Entrar
insight - 時系列データの表現学習
非同期グラフ生成器による多チャネル時系列データの表現学習と予測
本稿では、多チャネル時系列データの欠損値補完と予測のための新しいグラフアテンションネットワークである非同期グラフ生成器（AGG）を紹介する。AGGは、時間的・空間的な規則性に関する再帰的な構成要素や仮定なしに、学習可能な埋め込みを介して、測定値、タイムスタンプ、チャネル固有の特徴をノードに直接エンコードする。
時系列データの雑音に対する耐性を高めるための自己教師あり学習と効率的なエンコーダーの活用
時系列データの表現学習において、雑音の存在を考慮し、一貫性のある表現を学習する新しい手法を提案する。また、効率的かつ堅牢なエンコーダーアーキテクチャを設計する。
時系列パッチを独立に埋め込む方法の学習
パッチ間の依存関係を捉えるよりも、パッチを独立して埋め込むことが時系列表現学習において優れた結果をもたらす。
TimeDRL: Disentangled Representation Learning for Multivariate Time-Series
TimeDRLは、時系列データの表現学習において、新しい手法を提案し、既存の手法を上回る性能を示しています。
Produtos
© 2024 by Linnk AI