BriefGPT - AI 论文速递
·
D2Vformer：基于时间位置嵌入的灵活时间序列预测模型
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
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问题。实验证明，Series2Vec在真实数据集和UCR/UEA存档上表现优于其他自监督技术，并在有限标记数据集上高效。与其他表示学习模型融合，可以提高时间序列分类性能。
🎯
关键要点
-
时间序列分析与视觉或自然语言处理在自监督学习任务定义上存在根本区别。
-
引入了一种名为Series2Vec的自监督表示学习方法。
-
Series2Vec通过预测时间和频谱域中两个序列之间的相似性来解决问题。
-
实验证明Series2Vec在真实数据集和UCR/UEA存档上表现优于其他自监督技术。
-
Series2Vec在有限标记数据集上表现高效。
-
与其他表示学习模型融合可以提高时间序列分类性能。
🏷️
标签
➡️
