Seminario virtual: Redes Convolucionales Multiescala en clasificación de series temporales.
20 Mayo 2020 - https://meet.google.com/qeh-kntz-som
Resumen
Usualmente cuando uno se encuentra con series temporales en el ámbito del aprendizaje automático, suele ser asociado a tareas como regresión y forecasting, mayormente, y en menor medida tareas de clasificación, ya que no se presenta habitualmente este tipo de estructura de datos asociada a una clase particular. Sin embargo, cuando ocurre o decidimos abordar un problema a través de esta perspectiva, se encuentra con que las redes convolucionales cumplen un buen papel a la hora de clasificar series, así como lo hacen sobre imágenes y texto. Dada esta situación, se ha profundizado la exploración de técnicas para extraer el mejor desempeño de estas herramientas, y entre diversas estrategias exploradas surgen las Redes Convolucionales Multi-escala. La idea de estas redes es simple: pequeños módulos convolucionales procesan distintas versiones de la serie: original, suavizada, comprimida, expandida, etc. y luego se concatenan los resultados y se procesan con una red ffcc para clasificar. Esto ha demostrado brindar resultados cercanos al estado del arte, sin la necesidad de hacer demasiada extracción de features.
En nuestro caso, hemos decidido aprovechar la idea de estas redes para solucionar otro problema que se presenta en las series temporales: La imputación de datos.
Es común que en un registro temporal, ya sea manual o automático, existan momentos del tiempo donde el registro de los datos falló parcial o totalmente. Existen varias formas de imputar estos datos con beneficios y recomendaciones en cada caso: Eliminar el dato completamente, rellenar con la media temporal, hacer un backward/forward filling o interpolar. Cada una de estas puede traer información útil para el modelo, por lo cual nuestra idea fue generar varias versiones de la serie temporal de entrada, con los datos imputados de distinta manera, y aplicar sobre estas un modelo similar al de Redes Multi-escala.
En esta charla se explicará el modelo de Redes convolucionales multiescala, se comentarán algunas de sus ventajas y problemas, se explicará nuestro problema particular, el nuevo modelo y los nuevos problemas que aparecen, y por último se esbozarán algunas propuestas para mejorarlo.