Time Series Similarity Score Functions to Monitor and Interact with the Training and Denoising Process of a Time Series Diffusion Model applied to a Human Activity Recognition Dataset based on IMUs
Created by
Haebom
저자
Heiko Oppel, Andreas Spilz, Michael Munz
개요
본 논문은 잡음 제거 확산 확률 모델을 이용하여 합성 센서 신호를 생성하는 방법을 제시합니다. 기존 모델의 훈련 과정에서 발생하는 랜덤성으로 인해 데이터 품질 평가가 어려운 점을 해결하기 위해, 다양한 유사도 측정 지표를 검토하고 기존 지표를 개선하여 훈련 및 합성 과정을 모니터링합니다. 개선된 지표는 기저 분류 작업의 요구사항에 맞춰 미세 조정이 가능하며, 이를 통해 분류 작업의 성능 저하 없이 훈련 에포크 수를 크게 줄일 수 있음을 보여줍니다. 결과적으로 자원 절약 및 생성 모델 훈련 시간 단축에 기여합니다.
시사점, 한계점
•
시사점:
◦
잡음 제거 확산 확률 모델의 훈련 과정 모니터링을 위한 개선된 유사도 측정 지표 제시.
◦
기저 분류 작업의 요구사항에 맞춰 지표 미세 조정 가능.
◦
훈련 에포크 수 감소를 통한 자원 절약 및 훈련 시간 단축.
◦
생성된 합성 데이터의 품질 향상.
•
한계점:
◦
제시된 지표의 일반화 성능에 대한 추가적인 검증 필요.
◦
다양한 유형의 센서 데이터 및 분류 작업에 대한 적용 가능성 추가 연구 필요.
◦
특정 센서 데이터 및 분류 작업에 최적화된 지표이므로 다른 영역으로의 일반화에는 제한이 있을 수 있음.
