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