আমি ডায়নামিক টাইম ওয়ার্পিং (ডিটিডাব্লু) সম্পর্কে ইদানীং প্রচুর পড়ছি। আমি খুব অবাক হই যে, ডিটিডাব্লুয়ের অনিয়মিত সময় সিরিজের প্রয়োগের জন্য সাহিত্যের মোটেও নেই, বা কমপক্ষে আমি এটি খুঁজে পাইনি।
কেউ কি আমাকে এই সমস্যার সাথে সম্পর্কিত কিছু সম্পর্কে একটি রেফারেন্স দিতে পারেন, বা এমনকি এটির বাস্তবায়নও করতে পারেন?
উত্তর:
আমি যতদূর বুঝতে পেরেছি, অনিয়মিত সময় সিরিজ দ্বারা আপনি বোঝাচ্ছেন অসম ফাঁকা সময় সিরিজ , এটি অনিয়মিতভাবে নমুনাযুক্ত সময় সিরিজ হিসাবেও উল্লেখ করা হয় । যেহেতু আমি সাধারণভাবে টাইম সিরিজ সম্পর্কে আগ্রহী তাই আপনার (এবং এখন আমার) আগ্রহের বিষয় নিয়ে একটি সংক্ষিপ্ত গবেষণা সম্পাদন করেছি। ফলাফল অনুসরণ।
টাইম সিরিজ বিশ্লেষণ, ক্লাস্টারিং এবং শ্রেণিবিন্যাসে গতিশীল টাইম ওয়ার্পিং (ডিটিডাব্লু) পদ্ধতির উচ্চ জনপ্রিয়তা থাকা সত্ত্বেও অনিয়মিত সময় সিরিজটি এই জাতীয় ডেটা টাইপের ক্ষেত্রে ডিটিডাব্লুয়ের সরাসরি প্রয়োগের ক্ষেত্রে কিছু চ্যালেঞ্জ উপস্থিত করে (উদাহরণস্বরূপ, এই কাগজটি এবং এই কাগজটি দেখুন )। আমার তুলনামূলকভাবে সংক্ষিপ্ত গবেষণা প্রচেষ্টার উপর ভিত্তি করে, এটি সম্পূর্ণরূপে আমার কাছে পরিষ্কার নয়, কিছুটা গবেষণা অন্যথায় পরামর্শ দেয় বলে সরাসরি ডিটিডব্লিউ প্রয়োগ করা অসম্ভব কি না (এছাড়াও এই কাগজ / অধ্যায়টি দেখুন )। আরও ব্যাপকতার জন্য, আমি একটি আইএমএইচওরও উল্লেখ করতে চাই এবং অনিয়মিত সময় সিরিজের বিষয়ে গবেষণামূলক প্রবন্ধের প্রাসঙ্গিক ।
তবুও, মনে হচ্ছে যে এই বিষয়টি বেশিরভাগ ক্ষেত্রে নিম্নলিখিত দুটি গবেষণা প্রবাহ দ্বারা আচ্ছাদিত :
অবশেষে, আমি ওপেন সোর্স সফ্টওয়্যার সম্পর্কিত বিষয়টিকে স্পর্শ করতে চাই , গবেষণা বা সিস্টেম প্রয়োগের জন্য উপলব্ধ , ডিটিডাব্লুতে ফোকাস এবং অনিয়মিত সময় সিরিজের জন্য উপরে উল্লিখিত কিছু অ্যালগরিদমকে সমর্থন করি। এই ধরনের সফ্টওয়্যার অন্তর্ভুক্ত পাইথন / NumPy ভিত্তিক cDTW মডিউল প্রকল্পের সেইসাথে জিপিইউ-শ্রেনীর CUDA ভিত্তিক CUDA-গভীর নলকুপ এর প্রকল্প । Rউত্সাহীদের জন্য একটি বিস্তৃত ডায়নামিক টাইম ওয়ার্প প্রকল্পেরও উল্লেখ করা উচিত ( সংশ্লিষ্ট প্যাকেজ dtwCRAN এ উপলব্ধ)। যদিও এই মুহুর্তে এটি অনিয়মিত সময় সিরিজের জন্য অনেকগুলি ডিটিডাব্লু অ্যালগরিদমকে সমর্থন না করে (যদিও আমি মনে করি এটি সিডিটিডব্লিউ সমর্থন করে) তবে এই প্রকল্পটি এই জাতীয় ধরণের উপর দৃষ্টি নিবদ্ধ রেখে ডিটিডাব্লু আলগোরিদিমগুলির জন্য আরও বিস্তৃত সমর্থন সরবরাহ না করা কেবল সময়ের ব্যাপার মাত্র think তথ্য। আমি আশা করি যে আপনি আমার উত্তরটি পড়তে যতটা উপভোগ করেছেন যেমনটি আমি বিষয়টি নিয়ে গবেষণা এবং এই পোস্টটি লিখে আনন্দ করেছি।
গতিশীল স্বাক্ষর যাচাইকরণের প্রয়োগ হিসাবে আমি 'সি' তে ডিটিডাব্লু সফলভাবে প্রয়োগ করেছি। আমি ইইআর যাচাই করতে চাইনিজ এবং ডাচ স্বাক্ষরের একটি টেস্ট ডেটা বেস ব্যবহার করেছি এবং খুব চিত্তাকর্ষক ফলাফল পেয়েছি। এটি বর্তমানে একটি আইপ্যাডে ডেমো হিসাবে প্রয়োগ করা হয়েছে। আমার অ্যালগরিদম বেশ কয়েকটি প্রকাশিত বিবরণ থেকে হাতে কোড করা হয়েছিল। কোডটি আপনার কাছে পাওয়ার কোনও উপায় থাকলে আমি ভাগ করে নেব। সাফল্যে অবদান রাখে এমন একটি বিষয় হ'ল ইনপুট ডেটা 'স্বাভাবিককরণ'। বিভিন্ন নমুনা হার ব্যবহার করে বৈষম্যমূলক ডেটার তুলনা করার সময় এটি অনেক সহজ হয়েছিল।
আমি কেবলমাত্র নিজেকে ডিটিডব্লিউতে amুকছি এবং নীচে উল্লিখিত প্যাকেজগুলি ব্যক্তিগতভাবে ব্যবহার করি নি, তবে আমি আশা করি নিম্নলিখিতগুলি আপনাকে সহায়তা করতে পারে।
ক্র্যান.আর প্রকল্প, বিশেষত: time "টিএস" হ'ল সংখ্যাসূচক টাইম স্ট্যাম্পগুলি ব্যবহার করে নিয়মিত ব্যবধানের সময় সিরিজের জন্য প্রাথমিক শ্রেণি। Z "চিড়িয়াখানা" প্যাকেজটি নিয়মিতভাবে এবং সময় স্ট্যাম্পগুলির জন্য স্বেচ্ছাসেবী ক্লাস ব্যবহার করে নির্বিঘ্নে ব্যবধানযুক্ত সময় সিরিজের জন্য অবকাঠামো সরবরাহ করে। এটি "টিএসএস" এর সাথে যথাসম্ভব সামঞ্জস্যপূর্ণ হওয়ার জন্য ডিজাইন করা হয়েছে। Oo চিড়িয়াখানা: নিয়মিত এবং অনিয়মিত সময় সিরিজের জন্য এস 3 অবকাঠামো (জেড এর আদেশযুক্ত পর্যবেক্ষণ)
তথ্যসূত্র: http://cran.r-project.org/web/views/TimeSeries.html এবং http://cran.r-project.org/web/packages/zoo/index.html
শুভ কামনা.
টিএসডিস্টের একটি ফাংশন রয়েছে যা dtw এর মধ্য দিয়ে দূরত্ব নির্ধারণ করে। এটি অনিয়মিত চিড়িয়াখানা সময়ের সিরিজ গ্রহণ করে