StatioCL은 시계열 데이터의 고유한 특징인 비정상성과 시간적 의존성을 활용하여 기존 대조 학습 방법에서 발생하는 'false negative pairs' 문제를 완화하고, 시계열 분류 작업의 성능을 향상시키는 새로운 대조 학습 프레임워크입니다.
나쁜 양성 쌍 문제를 해결하기 위한 동적 나쁜 쌍 채굴(DBPM) 알고리즘의 효과적인 제안
