使用深度学习在不同速度和漂移下进行数据流分类 流中深度学习的时间序列分类 处理高速到达的数据流需要开发可以提供快速而准确的预测的模型。 尽管深度神经网络是许多机器学习任务的最新技术，但它们在实时数据流场景中的性能仍是尚未完全解决的研究领域。 然而，最近有努力通过降低处理速度来使复杂的深度学习模型适用于流任务。 异步双管道深度学习框架的设计允许对传入的实例进行预测，并使用两个单独的层同时更新模型。 这项工作的目的是评估使用此框架进行数据流分类的不同类型的深层体系结构的性能。 我们在模拟为流的几个