Centrala begrepp
時系列データにおける自己教師付き学習の重要性と方法に焦点を当てる。
Sammanfattning
最近、自己教師付き学習(SSL)はさまざまな時系列タスクで印象的なパフォーマンスを達成しています。SSLの最も顕著な利点は、ラベル付きデータへの依存度を低減することです。この記事では、現在の時系列データ向けSSL手法について包括的にレビューしています。既存のSSL関連調査を詳細にレビューし、既存の時系列SSL手法を新しいタクソノミーで要約しています。これらの手法は生成ベース、対比ベース、敵対的ベースから10のサブカテゴリに分かれており、主要なフレームワークや長所・短所について議論しています。また、時系列予測、分類、異常検出、クラスタリングタスクで一般的に使用されるデータセットもまとめています。
Statistik
SSLがラベル付きデータへの依存度を低減することが重要。
時系列データでは一般的な前提課題がある。
サブカテゴリごとに手法が整理されている。
Citat
"Self-supervised learning (SSL) has recently achieved impressive performance on various time series tasks."
"Compared with many published self-supervised surveys on computer vision and natural language processing, a comprehensive survey for time series SSL is still missing."
"Our main contributions are summarized as follows: New taxonomy and comprehensive review."