Klasifikace časových řad pro rozpoznání akcí v imitačním učení

Abstract

V této práci porovnáváme různé metody klasifikace časových řad. Metody pokrývají klasifikaci algoritmem KNN pomocí vypočítaných vzdáleností Dynamic Time Warping (DTW), Long-Short Term memory (LSTM) a metodou GRU. Porovnáváme kvalitu klasifikátorů na 4 různých datasetech, které zahrnují pohyby rukou, gest, pohyby robotického manipulátoru a audio nahrávky. Výsledky vyhodnocujeme pro různá nastavení a parametry metod. Porovnává se obtížnost jednotlivých datasetů.In this work, we compare different methods for time series classification. The methods cover KNN classification using distances computed by Dynamic Time Warping (DTW), Long-Short Term Memory (LSTM), and GRU method. We compare the quality of the classifiers on 4 different datasets, covering hand movements, gestures, movements of a robotic manipulator, and audio recordings. We evaluate the results for various settings and parameters of the methods. The difficulty of individual datasets is compared.