Computerelor le este nevoie de ajutorul oamenilor pentru a învăța. Acest lucru se numește "Învățare Automată". Învățarea automată este un termen care înseamnă să înveți computerelor să extragă cunoștințe din date, o exercițiu de raționament prin modele fără programare explicită. Este parțial cum învață un copil - prin observație și practică, nu doar prin predare. Acuratețea este una dintre lucrurile cu care se ocupă Învățarea Automată. Ea indică cât de acurat este computerul atunci când face o predicție. Cu cât acuratețea este mai mare, cu atât aceste predicții vor fi mai robuste.
Dynamic Time Warping, un mod de a alinia datele de serie temporale. Consideră că ai două linii ondulate și vrei să faci o comparație între ele. Dynamic time warping este ca și a schimba forma unei linii ondulate pentru a fi mai ușor de comparat cu alta linie ondulată. Alinierea acestor linii înseamnă că este mai ușor pentru computer să învețe din datele noastre când încercăm să prevedem această linie.
O analogie pentru a înțelege cum funcționează deformarea temporară dynamică ar fi ca și cum ai încerca să prezici traficul în magazinele tale fiecare zi. Publicul vizitator al magazinului din anul trecut. Dar nu fiecare zi este asemănătoare. Zile diferite au oameni diferiți, unele fiind destul de aglomerate și cu toată lumea pe stradă, în timp ce alte zile sunt pline de ploaie când doar câteva duhuri vagabunde se întâmplă să intre. Când datele se schimbă, devine dificil să prevezi vizitele viitoare.
Nu exclusiv pentru Date Seriale în Timp, dar oricum. Este capabil să lucreze cu diferite tipuri de date, ceea ce îl face un instrument foarte versatil. Consideră compararea a două secvențe de ADN, care sunt planurile fundamentale ale vieții însăși. Deformarea temporară dynamică aliniază sau deplasează ușor părți ale secvențelor astfel încât să se poată face comparări. În acest fel, cercetătorii ar putea să determine gradul de legătură sau distinctivitate între secvențe și pot eventual descoperi aspecte semnificative legate de biologie și medicină.
Recunoașterea vorbirii este una altă. Când un computer audă pe cineva vorbind, acesta trebuie să identifice ceea ce a fost spus ca fiind una dintre cuvintele sau frazele care se află în baza sa de date. Cu toate acestea, nu toți oamenii pronunță aceleași cuvinte în exact același fel sau există zgomot de fundal care poate să facă dificilă întelegerea. În această abordare, deformarea temporară dynamică permite alinierea datelor de vorbire astfel încât computerul să poată găsi ușor o rată scăzută de erori între transcripția sa și ceea ce a fost spus. Acest lucru poate îmbunătăți performanța asistențelor vocale și a altor tehnologii de recunoaștere a vorbirii.
Utilizarea deformării temporale dinamice schimbă modul în care perceputem predicțiile. Predicțiile sunt despre ghicit ce va aduce viitorul; în acest sens, folosești date pentru a face aproximări incerte ale evenimentelor. Acest lucru poate fi extrem de avantajos pentru a lua decizii mândre. De exemplu, dacă administrezi un spital (ceea ce ar fi destul de grozav), s-ar putea să trebuiască să estimezi câți pacienți vor veni luna următoare, astfel încât cantitatea de supply-uri de dimensiune cu hârtia igienică să ajungă chiar la timp. Dacă comanzi prea mult, bineînțeles că va fi pierdută. Rua explică că este și mai periculos: dacă te greșești, atunci e posibil să se epuizeze stocurile. Deformarea temporala dinamică îți va permite să prezici numerele viitoare pe baza punctelor de date trecute și să permită o gestionare mai bună a resurselor.
DTW este doar unul dintre instrumentele din caseta de instrumente a învățării automate. Primul punct este evident, dar totuși extrem de important în cazul datelor de serii temporale. Dynamic Time Warping ajută computerelor să facă predicții mai bune prin organizarea datelor astfel încât acestea să se alinieze coerent. Poate fi aplicat în multe domenii diferite, de la sănătate până la comerț, și poate îmbunătăți deciziile.
EN
AR
DA
NL
FI
FR
DE
HI
IT
JA
KO
NO
PL
PT
RO
RU
ES
SV
TL
ID
SR
UK
VI
HU
TH
TR
FA
AF
MS
GA
HY
BN
KM
LO
LA
NE
MY
KK
UZ
KY
