Year: 2022
Type: article
Abstract: Um Zeitreihendaten zu analysieren und zu verstehen oder um aus Zeitreihendaten zu lernen, werden oft (niedrigdimensionale) Repräsentationen verwendet, die Informationen erfassen, welche für eine Lern-oder Vorhersageaufgabe geeignet sind.Als spezielle Repräsentation kodieren ordinale Muster die intrinsischen Aufund Abwärtsbewegungen innerhalb einer Zeitreihe.Die Verteilung dieser ordinalen Muster kann dann Aufschluss über die Komplexität der Zeitreihe bzw.das ihr unterliegende System sowie über bestimmte Eigenschaften wie z.B. Rauhigkeit oder zeitliche Irreversibilität liefern.Dieser Artikel führt in die Welt von Repräsentationen im Allgemeinen und von ordinalen Mustern im Besonderen ein, diskutiert den Informationsgehalt letzterer und gibt Einblicke in verschiedene Anwendungsmöglichkeiten.
Authors: Marisa Mohr, Karsten Keller
Language: German
Subfield: Signal Processing
Field: Computer Science
Domain: Physical Sciences
Open Access status: bronze
OpenAlex ID: W4223566655