Everyday research note

2019-01-15

  • implemented triplet loss function 
    def triplet_loss(x):
  anchor, positive, negative = x

  positive_distance = tf.reduce_sum(tf.square(tf.subtract(anchor, positive)), 1)
  negative_distance = tf.reduce_sum(tf.square(tf.subtract(anchor, negative)), 1)

  single_loss = tf.add(tf.subtract(positive_distance, negative_distance), ALPHA)
  loss = tf.reduce_mean(tf.maximum(single_loss, 0.0), 0)

  return loss

    Source - Triplet Loss in Keras

FastMGTS

2019-02-07

  • 수행 실험
    • FastMGTS와 DTW constraint(5%)의 쿼리 예측 클래스 비교. - FastMGTS는 DTW를 대체 가능한가?
      • 70개의 UCR 데이터에서 평균 20%

2019-02-12

  • 예정 실험
    • FastMGTS의 변동성 측정을 위해 10회 반복실험 + 수행 시간 측정
    • DTW Constraints 10% => 5%로 수정 후 diversity check

Doublet loss for weighted multi grid similarity

2019-01-25

  • 문제
    • Error rate of Equal weight MGTS <= weighted MGTS
    • 기대치 - weighted MGTS의 분류 정확도 > Equal weight MGTS
  • 예상원인
    • normalize의 부재
    • overfitting - tracking loss & validation acc
  • 현재상태로써 사용가능성
    • Grid selection - weight가 0으로 수렴하는 그리드는 유사도 측정에서 제외할 수 있음.
    • Grid ordering - weight가 높은 그리드를 먼저 사용.
  • Doublet 선택방법
    • 현재 : 각 batch에 대한 현재 weight를 기반으로 LOOCV(leave-one-out cross validation)을 통해 incorrect일 경우 1등 오답 클래스와 1등 정답 클래스를 각각 nagative와 positive로 사용.
    • 시도예정 : LOOCV을 통해 incorrect일 경우 1등 정답 클래스보다 쿼리와 가까운 모든 오답 클래스 데이터와의 조합을 사용.
  • GMDTW
    • warping window size constraint(5%).
  • ensemble
    • All STS3
    • All GMED
    • All GMDTW
    • STS3 + GMED + GMDTW