【AAAI2021】通过离散优化的可解释序列分类

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

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“SCDO” 就可以获取《【AAAI2021】通过离散优化的可解释序列分类》专知下载链接

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资源