生成时间序列的系统评估及其在自监督预训练中的影响
原文中文,约400字,阅读约需1分钟。发表于: 。本研究针对自监督预训练模型(PTMs)在时间序列数据上的表现不及简单监督模型的问题进行了探讨。通过测试六种时间序列生成方法,将生成数据用于预训练,发现替代真实数据的训练集可显著提高分类性能。这一发现为时间序列的自监督学习提供了新的思路和数据处理策略。
自我监督学习是一种有效的方法,可以从大规模无标签数据中学习表示,对时间序列分析显示出有希望的结果。本文从对比和生成两个主要流派对比研究了时间序列中的自我监督表示学习。我们介绍了对比和生成 SSL 的基本框架,并讨论了监督信号的获取方法。通过比较分析经典算法 SimCLR 和 MAE,我们提供了每种方法的优势和劣势的见解,并为选择合适的 SSL 方法提供了实用的建议。我们还讨论了研究结果对表示学习领域的影响,并提出了未来的研究方向。