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。