剑桥大学时间序列对比学习新方法，缓解伪负样本影响

文章预览

点关注，不迷路，用心整理每一篇算法干货~ 后台留言” 交流 “， 加入圆圆算法交流群~ 👇🏻扫码👇🏻 加入 圆圆算法知识星球~ （ 已有 880+ 同学加入学习， 700+ 干货笔记） 今天给大家介绍一篇由剑桥大学发表的时间序列表示学习文章，提出了StatioCL的对比学习建模方法，通过考虑时间序列的非平稳性和时序关系，解决时间序列表示学习中的伪负样本问题，文章被CIKM 2024录用。 论文标题 ：StatioCL: Contrastive Learning for Time Series via Non-Stationary and Temporal Contrast 下载地址 ： https://arxiv.org/pdf/2410.10048v1 1 背景 在时间序列表示学习中，希望通过自监督的方式，训练一个良好的时间序列表征器，进而将表征用于下游预测、分类等任务中提升效果。 表示学习一般采用对比学习的建模方法，人工构造正样本对合负样本对，拉近正样本对表征距离，推远负样本对 ………………………………