Die Studie präsentiert einen neuen Ansatz für kontrastives Lernen von Zeitreihendaten, genannt REBAR (Retrieval-Based Reconstruction). Anstatt Augmentationen zu verwenden, um positive Paare zu erzeugen, nutzt REBAR eine gelernte Ähnlichkeitsmetrik, um natürlich auftretende ähnliche Zeitreihensegmente zu identifizieren.
Der Kern des REBAR-Ansatzes ist eine Kreuzaufmerksamkeitsarchitektur, die ein Zeitreihensegment aus einem anderen rekonstruieren kann. Die Rekonstruktionsleistung dient als Ähnlichkeitsmaß, um positive Paare für das kontrastive Lernen zu bestimmen. Die Autoren zeigen, dass dieses Ähnlichkeitsmaß gut mit der tatsächlichen Klassenzugehörigkeit korreliert.
In Experimenten auf verschiedenen Zeitreihendatensätzen übertrifft der REBAR-Ansatz andere kontrastive Lernmethoden sowie vollüberwachte Modelle. Die Ergebnisse zeigen, dass REBAR eine leistungsfähige, klassendiskriminierende Repräsentation der Zeitreihendaten erlernt.
Ke Bahasa Lain
dari konten sumber
arxiv.org
Wawasan Utama Disaring Dari
by Maxwell A. X... pada arxiv.org 03-19-2024
https://arxiv.org/pdf/2311.00519.pdfPertanyaan yang Lebih Dalam