Core Concepts
자기지도 학습은 레이블된 데이터에 대한 의존성을 줄이는 것이 주요 장점이며, 시계열 데이터에 대한 최신 SSL 방법을 종합적으로 검토한다.
Abstract
자기지도 학습은 레이블된 데이터에 대한 의존성을 줄이는 방법으로, 시계열 데이터에 대한 최신 SSL 방법을 종합적으로 검토한다.
기존 조사 결과를 종합하여 새로운 시계열 SSL 방법론을 제시하고, 다양한 관점에서 기존 방법을 분류하고 검토한다.
시계열 예측, 분류, 이상 감지, 클러스터링 작업에 사용되는 데이터 세트를 요약하고 실험 및 검증을 용이하게 한다.
미래의 시계열 SSL 방향성을 제시한다.
Stats
SSL은 레이블된 데이터에 대한 의존성을 줄이는 방법으로, 시계열 데이터에 대한 최신 SSL 방법을 종합적으로 검토한다.
Quotes
"자기지도 학습은 추가적인 수동 레이블된 데이터를 필요로하지 않으며, 감독 신호는 데이터 자체에서 파생된다."
"시계열 데이터에 대한 사전 작업 작업은 데이터로부터 유용한 표현을 만들어내기 위해 모델이 풀어야 하는 자체 생성된 도전 과제이다."