본 논문에서는 견고한 시계열 표현 및 분류정확도 향상을 위한 그리드 기반 가중 벡터 표현형을 구성하는 그리드 셀 가중치의 학습 방법을 제안하였다. 제안 방법은 시계열 분류에 결정적인 역할을 하는 긍정셀과 부정셀을 효과적으로 찾을 수 있다. 또한 다중 그리드를 이용한 셀 가중치 학습 및 통합을 통해 시계열 표현형의 견고성 및 시계열 분류 정확도를 향상하였다. 클래스 간 차이가 두드러지는 데이터 집합의 시각화를 통하여 제안 방법이 클래스 분류 특성을 효과적으로 드러냄을 확인하였다. 또한, 다양한 시계열 데이터 집합을 이용한 분류 정확도 비교 실험을 통해 제안 방법이 분류 정확도를 실제로 개선하는데도 효과적임을 보였다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.