ChemTime: Rapid and Early Classification for Multivariate Time Series Classification of Chemical Sensors

要約

多変量時系列データは、物理科学の問題に対する機械学習の応用において広く普及しています。
化学抵抗センサー アレイは、産業、安全、軍事用途に関連する化学検出タスクにおいて非常に有望です。
センサー アレイは本質的に多変量時系列データ収集ツールであり、任意の化学分析物の迅速かつ正確な分類が必要です。
これまでの研究では、汎用の分類アルゴリズムを見つけるために、さまざまな多変量時系列教師ありタスクにわたってデータに依存しない多変量時系列分類器のベンチマークを行ってきました。
私たちの知る限り、化学分析物の検出のための化学抵抗ハードウェア センサー アレイに対する機械学習および時系列分類アプローチを調査する取り組みはまだ行われていません。
多変量時系列分類器に対する既存のアプローチのベンチマークに加えて、モデル調査の結果を組み込んで、化学センシング用のセンサー アレイ分類に対する新しい \textit{ChemTime} アプローチを提案します。
私たちは、導入された軽量ハードウェア センシング デバイスのパフォーマンスを維持しながら、分類器の迅速な分類能力や推論時間の最小化など、ハードウェア センサー アレイ分類特有の課題に対処する実験を設計します。
\textit{ChemTime} は、時系列の迅速かつ早期の分類と有益な推論および高精度を組み合わせることで、化学センシング タスクに対して独自の位置にあることがわかりました。

要約(オリジナル)

Multivariate time series data are ubiquitous in the application of machine learning to problems in the physical sciences. Chemiresistive sensor arrays are highly promising in chemical detection tasks relevant to industrial, safety, and military applications. Sensor arrays are an inherently multivariate time series data collection tool which demand rapid and accurate classification of arbitrary chemical analytes. Previous research has benchmarked data-agnostic multivariate time series classifiers across diverse multivariate time series supervised tasks in order to find general-purpose classification algorithms. To our knowledge, there has yet to be an effort to survey machine learning and time series classification approaches to chemiresistive hardware sensor arrays for the detection of chemical analytes. In addition to benchmarking existing approaches to multivariate time series classifiers, we incorporate findings from a model survey to propose the novel \textit{ChemTime} approach to sensor array classification for chemical sensing. We design experiments addressing the unique challenges of hardware sensor arrays classification including the rapid classification ability of classifiers and minimization of inference time while maintaining performance for deployed lightweight hardware sensing devices. We find that \textit{ChemTime} is uniquely positioned for the chemical sensing task by combining rapid and early classification of time series with beneficial inference and high accuracy.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google