# Klasyfikacja losowymi jądrami konwolucyjnymi (ROCKET) EN: **Random convolutional kernel transforms (ROCKET family)** · id `rocketkernels` · aliases: random convolutional kernel transform, ROCKET family Path: [AI Atlas](https://aiatlasgraph.com/llms.txt) › [Uczenie maszynowe](https://aiatlasgraph.com/t/ml.md) › [Szeregi czasowe: prognozy, anomalie i klasyfikacja](https://aiatlasgraph.com/t/timeseries.md) › [Klasyfikacja szeregów czasowych](https://aiatlasgraph.com/t/tsclassification.md) › Klasyfikacja losowymi jądrami konwolucyjnymi (ROCKET) ## Description - PL: Transformacja szeregów tysiącami losowych, dylatowanych jąder konwolucyjnych z prostymi statystykami, po której uczy się klasyfikator liniowy. - EN: Transforming series with thousands of random dilated convolutional kernels and simple statistics, followed by a linear classifier. ## In one sentence - PL: Szybki sposób rozpoznawania sygnałów: tysiące losowych filtrów zamienia zapis w listę cech, na których prosty model uczy się klasyfikować. - EN: A fast way to recognise signals: thousands of random filters turn a record into features on which a simple model learns to classify. ## Problem it solves - PL: Dokładne klasyfikatory sygnałów trenują się godzinami lub dniami, a ty potrzebujesz wyniku na dużym zbiorze w kilka minut. - EN: Accurate signal classifiers take hours or days to train, while you need results on a large dataset within minutes. ## What it does - PL: Zamiast uczyć filtry, losuje ich tysiące i liczy, jak często każdy coś wykrywa; z tych liczb prosty model wybiera użyteczne. - EN: Instead of learning filters, it draws thousands at random and counts how often each fires; a simple model then picks the useful ones. ## Everyday example - PL: Inżynier w kilka minut trenuje klasyfikator rodzajów drgań maszyn na tysiącach zapisów, bez karty graficznej i długiego strojenia. - EN: An engineer trains a classifier of machine vibration types on thousands of records in minutes, without a graphics card or long tuning. ## This concerns you if you… - PL: masz dużo oznaczonych zapisów sygnałów - PL: nie masz karty graficznej ani czasu na strojenie - PL: szukasz mocnego punktu odniesienia do klasyfikacji - EN: have many labelled signal records - EN: lack a graphics card or time for tuning - EN: want a strong classification baseline ## Keywords MiniRocket · MultiRocket · Hydra · PPV pooling · dilated convolutions · RidgeClassifierCV · aeon · sktime ## How it works - PL: Losuje się jądra o różnej długości, wagach, przesunięciu, dylatacji i dopełnieniu; wag nie trenuje się. Dla każdej mapy cech liczy się maksimum i odsetek wartości dodatnich (PPV), a cechy trafiają do regresji grzbietowej lub logistycznej. Nowsze warianty ograniczają losowość dla szybkości albo dodają statystyki i grupowanie jąder. - EN: Kernels with random length, weights, bias, dilation and padding are drawn; weights are not trained. For each feature map the maximum and proportion of positive values (PPV) are computed, feeding ridge or logistic regression. Later variants reduce randomness for speed or add statistics and kernel grouping. ## Limits - PL: Tysiące cech są trudne do interpretacji. Przy bardzo długich lub wielokanałowych seriach rośnie zużycie pamięci; jakość zależy od liczby jąder, a wyniki pojedynczych losowań mogą się różnić. - EN: Thousands of features are hard to interpret. Memory grows with very long or multichannel series; quality depends on the number of kernels, and results can vary between random draws. ## Key terms - PL: **dylatacja**: Rozstaw próbek odczytywanych przez filtr; pozwala łapać wolniejsze wzorce. - PL: **PPV**: Odsetek pozycji, w których filtr dał wynik dodatni. - PL: **regresja grzbietowa**: Model liniowy z karą za zbyt duże wagi. - EN: **dilation**: Spacing of samples a filter reads; captures slower patterns. - EN: **PPV**: Share of positions where a filter output is positive. - EN: **ridge regression**: A linear model penalising large weights. ## Know first - [Sieci konwolucyjne i sekwencyjne (Convolutional and recurrent networks)](https://aiatlasgraph.com/t/cnn.md) - [Regresja liniowa i logistyczna (Linear and logistic regression)](https://aiatlasgraph.com/t/linearmodels.md) ## Sources - [Bake off redux: a review and experimental evaluation of recent time series classification algorithms]() `middlehurst-bakeoff-redux-2024` · by Matthew Middlehurst, Patrick Schäfer, Anthony Bagnall - [ROCKET: Exceptionally fast and accurate time series classification using random convolutional kernels]() `dempster-rocket-2019` · by Angus Dempster, François Petitjean, Geoffrey I. Webb --- AI Atlas revision 126 (2026-11-03) · HTML: https://aiatlasgraph.com/t/rocketkernels · index: https://aiatlasgraph.com/llms.txt · everything: https://aiatlasgraph.com/llms-full.txt · updated 2026-11-03