序列分类是在给定一个观察序列的情况下预测一个类标签的任务。在医疗保健监视或入侵检测等许多应用程序中,早期分类对于及时干预至关重要。在这项工作中,我们学习序列分类器,有利于早期分类从一个演进的观察痕迹。虽然许多先进的序列分类器是神经网络,特别是LSTMs,我们的分类器采取有限状态自动机的形式,并通过离散优化学习。在一组目标识别和行为分类数据集上的实验表明,我们学习的基于自动机的分类器具有与基于LSTM的分类器相当的测试性能,而且具有可解释性的额外优势。

https://www.zhuanzhi.ai/paper/dcc701a6f9e51a118b583586f16c0eea

成为VIP会员查看完整内容
17

相关内容

【AAAI2021】知识图谱增强的预训练模型的生成式常识推理
【AAAI2021】可解释图胶囊网络物体检测
专知会员服务
27+阅读 · 2021年1月4日
【AAAI2021】记忆门控循环网络
专知会员服务
47+阅读 · 2020年12月28日
【AAAI2021】低资源医疗对话生成的图演化元学习
专知会员服务
46+阅读 · 2020年12月26日
专知会员服务
28+阅读 · 2020年12月14日
专知会员服务
18+阅读 · 2020年12月9日
最新《监督机器学习可解释性》2020大综述论文,74页pdf
专知会员服务
129+阅读 · 2020年11月19日
【NeurIPS2020-FB】学习具有可解码信息瓶颈的最优表示
专知会员服务
22+阅读 · 2020年10月13日
【KDD2020】动态知识图谱的多事件预测
专知会员服务
127+阅读 · 2020年8月30日
【KDD2020】动态知识图谱的多事件预测
专知
88+阅读 · 2020年8月31日
【综述】医疗可解释人工智能综述论文
专知
32+阅读 · 2019年7月18日
注意力能提高模型可解释性?实验表明:并没有
黑龙江大学自然语言处理实验室
11+阅读 · 2019年4月16日
Attention!注意力机制模型最新综述
中国人工智能学会
18+阅读 · 2019年4月8日
论文浅尝 | 基于图注意力的常识对话生成
开放知识图谱
8+阅读 · 2019年2月5日
可解释的CNN
CreateAMind
17+阅读 · 2017年10月5日
Arxiv
6+阅读 · 2020年9月29日
Arxiv
3+阅读 · 2018年6月24日
VIP会员
相关VIP内容
【AAAI2021】知识图谱增强的预训练模型的生成式常识推理
【AAAI2021】可解释图胶囊网络物体检测
专知会员服务
27+阅读 · 2021年1月4日
【AAAI2021】记忆门控循环网络
专知会员服务
47+阅读 · 2020年12月28日
【AAAI2021】低资源医疗对话生成的图演化元学习
专知会员服务
46+阅读 · 2020年12月26日
专知会员服务
28+阅读 · 2020年12月14日
专知会员服务
18+阅读 · 2020年12月9日
最新《监督机器学习可解释性》2020大综述论文,74页pdf
专知会员服务
129+阅读 · 2020年11月19日
【NeurIPS2020-FB】学习具有可解码信息瓶颈的最优表示
专知会员服务
22+阅读 · 2020年10月13日
【KDD2020】动态知识图谱的多事件预测
专知会员服务
127+阅读 · 2020年8月30日
相关资讯
【KDD2020】动态知识图谱的多事件预测
专知
88+阅读 · 2020年8月31日
【综述】医疗可解释人工智能综述论文
专知
32+阅读 · 2019年7月18日
注意力能提高模型可解释性?实验表明:并没有
黑龙江大学自然语言处理实验室
11+阅读 · 2019年4月16日
Attention!注意力机制模型最新综述
中国人工智能学会
18+阅读 · 2019年4月8日
论文浅尝 | 基于图注意力的常识对话生成
开放知识图谱
8+阅读 · 2019年2月5日
可解释的CNN
CreateAMind
17+阅读 · 2017年10月5日
微信扫码咨询专知VIP会员