自监督学习作为深度学习的替代方案，广泛应用于计算机视觉、自然语言处理和图学习。研究涵盖对比学习、生成式方法及时间序列表示学习，提出多种新框架以提升下游任务性能，并探讨理论分析与未来方向。

本研究关注时间序列表示学习，通过两种不同编码器为输入的时间序列创建两个视图，并通过协同训练的对比学习来学习这些编码器。TS-CoT方法利用互补信息减缓数据噪声和损坏的影响，学习到的表示可以很好地转移到下游任务中。