Series2Vec: 基于相似性的自我监督时间序列分类表示学习
原文中文，约400字，阅读约需1分钟。发表于：。时间序列分析与视觉或自然语言处理在定义有意义的自监督学习任务方面具有根本的区别。为了解决这个问题，我们引入了一种称为 Series2Vec 的自监督表示学习的创新方法，通过自监督任务在时间和频谱域中对两个序列之间的相似性进行预测，而不是基于手工数据增强的自监督方法。我们的实验证明，Series2Vec 在大规模真实世界数据集和 UCR/UEA...
时间序列分析与视觉或自然语言处理在定义自监督学习任务方面有根本区别。引入了一种名为Series2Vec的自监督表示学习方法，通过预测时间和频谱域中两个序列之间的相似性来解决这个问题。实验证明，Series2Vec在大规模真实世界数据集和UCR/UEA存档上表现优于其他自监督技术，同时在有限标记数据集上高效。此外，将Series2Vec与其他表示学习模型融合可以提高时间序列分类性能。
