爆🔥时间序列+对比学习，性能猛超SOTA！

文章预览

🧀通过自我监督的对比学习，我们可以有效捕获时间序列数据中的时间依赖性和动态变化。 🧀因此与传统时序方法相比，基于对比学习的时间序列能适应更广泛、更复杂的应用场景。它可以更高效地从原始数据中提取有用特征，无需依赖大量标注数据，从而显著提升模型的泛化能力和性能。 🧀比如南京航空航天大学提出的TimesURL，引入了基于频率时间的增强以保持时间属性，并构建双重universe作为硬负样本来提升对比学习效果，在多项任务中取得了SOTA性能。 🧀为方便同学们学习，我还精选了11篇关于对比学习在时间序列上的最新研究成果，并提炼了这些研究的方法和创新点，开源代码已附。 大家需要的话可以关注下方公众号“AI算法科研paper”回复“对比时序”获取！ ………………………………