arXiv · cs.AI · Miha Kap\v{s}, Bla\v{z} Bertalani\v{c}, Carolina Fortuna · 11 小时前模型评分34
无反向传播深度学习用于时间序列分类：112 个 UCR 数据集系统评测
Backpropagation-free Deep Learning for Time-Series Classification
导读
研究将直接反馈对齐（DFA，Direct Feedback Alignment）、直接随机目标投影（DRTP，Direct Random Target Projection）和受扩散模型启发的 NoProp 三种无反向传播学习规则适配到一维卷积时间序列分类，并在 UCR 档案库 112 个数据集上首次系统评测。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “We adapt these three learners to univariate TSC with 1D convolutional architectures and present the first systematic study of them across 112 datasets from the UCR time series archive, with one hyperparameter-optimized configuration per method.”
来源：arXiv · cs.AI · arxiv.org