基于自动对比学习策略的时间序列分析
原文中文，约400字，阅读约需1分钟。发表于：。在本文中，我们提出了一种微软的自动机器学习（AutoML）实践，名为自动对比学习（AutoCL），它可以自动学习对各种时间序列数据集和任务进行对比学习表示。我们首先构建了一个覆盖数据增强、嵌入变换、对比对构建和对比损失的规范化的通用搜索空间，然后引入了一种高效的强化学习算法，用于从验证任务的性能中优化对比学习策略，以在搜索空间中获得更有效的策略。实验结果表明，AutoCL...
微软的AutoCL是一种自动机器学习实践，可以自动学习对时间序列数据集和任务进行对比学习表示。通过通用搜索空间和强化学习算法，AutoCL能够自动找到适合给定数据集和任务的对比学习策略。实验结果验证了AutoCL的有效性，并提供了对比学习策略设计的指导。
