深度学习方法

关于基于深度学习的算法，可以自己写一篇很长的文章来解释有关每种架构的所有细节。 但是本文只提供一些常用的时间序列分类基准模型和技术

虽然基于深度学习的算法在计算机视觉和 NLP 等领域非常流行并得到广泛研究，但它们在时间序列分类领域却并不常见。 Fawaz 等人。在他们关于时间序列分类的深度学习的论文中对当前现有方法的详尽研究： 总结研究了具有六种架构的 60 多个神经网络 (NN) 模型：

• Multi-Layer Perceptron
• Fully Convolutional NN (CNN)
• Echo-State Networks (based on Recurrent NNs)
• Encoder
• Multi-Scale Deep CNN
• Time CNN

上述大多数模型最初是为不同的用例开发的。所以需要根据不同的用例进行测试

MLP 和 FCN 以及 ResNet

• MLP，Multi-Layer Perceptron
• FCN，
• ResNet

LSTM_FCN 和 BiGRU-CNN

CNN

Full Convolutional NN

Echo-State Networks

based on Recurrent NN

Encodeer

MC-CNN 和 MCNN

• MC-CNN，multi-channel CNN
• MCNN，multi-scale CNN

Time CNN