全面！深度学习时间序列分类的综述！

本文约7400字，建议阅读15分钟本文首先介绍了TSC任务，然后概述了经典的非深度学习方法。1  介绍时间序列分析中的时间序列分类（TSC）是关键任务之一，具有广泛的应用，如人体活动识别和系统监测等。近年来，深度学习在TSC领域逐渐受到关注，具有自动从原始时间序列数据中学习并抽取有意义特征的能力。本文首先介绍了TSC任务，然后概述了经典的非深度学习方法。并从网络架构和应用领域两个角度提出一个用于TSC的新分类法，并总结了基于多层感知器、基于卷积神经网络、基于循环神经网络和基于注意力的深度学习模型架构，以及用于提高性能的改进方法。最后，探讨了深度学习时间序列分类任务中尚未解决的问题并展望了未来的研究方向。2  背景2.1  相关定义时间序列（TS）：时间序列A是有序的n个数据点的集合，分为单变量时间序列（U ………………………………