Guide complet de la distorsion temporelle dynamique en Python
Versandfertig in 6-10 Tagen
26,99 €
inkl. MwSt.
PAYBACK Punkte
13 °P sammeln!
Le Dynamic Time Warping (DTW) est une technique bien connue utilisée pour déterminer l'alignement entre deux séquences temporelles. DTW a été utilisé dans une large gamme d'applications et peut être appliqué sur n'importe quelle donnée qui peut être représentée comme une séquence linéaire. Les bibliothèques DTW existantes ont une mise en oeuvre obsolète de l'algorithme de base de DTW, ce qui entraîne une faible performance ou est inapplicable pour les grandes séquences. L'objectif de ce livre est de présenter le concept détaillé de DTW ainsi qu'une bibliothèque DTW complÃ...
Le Dynamic Time Warping (DTW) est une technique bien connue utilisée pour déterminer l'alignement entre deux séquences temporelles. DTW a été utilisé dans une large gamme d'applications et peut être appliqué sur n'importe quelle donnée qui peut être représentée comme une séquence linéaire. Les bibliothèques DTW existantes ont une mise en oeuvre obsolète de l'algorithme de base de DTW, ce qui entraîne une faible performance ou est inapplicable pour les grandes séquences. L'objectif de ce livre est de présenter le concept détaillé de DTW ainsi qu'une bibliothèque DTW complète, englobant la mise en oeuvre des variantes de DTW avec des algorithmes efficaces récemment proposés. Plus loin, dans ce livre, j'ai présenté un module python pour calculer et visualiser l'alignement DTW : DTWPy. DTWPy comprend l'implémentation du DTW classique et des algorithmes efficaces récemment proposés, à savoir fastDTW et DDTW. L'exactitude des algorithmes est vérifiée en les comparant avec l'implémentation R existante. Ce livre donne aux lecteurs une idée de base sur ce qu'est le DTW et DTWPy a l'implémentation la plus complète des algorithmes DTW présents dans la littérature à ce jour, et est applicable sur de grandes séquences temporelles.
Andere Kunden interessierten sich für
