首页 > 极客资料 博客日记
DECL: 针对噪声时间序列的去噪感知对比学习《Denoising-Aware Contrastive Learning for Noisy Time Series》(时间序列、对比学习、去噪)
2024-09-12 22:00:03极客资料围观38次
这篇文章介绍了DECL: 针对噪声时间序列的去噪感知对比学习《Denoising-Aware Contrastive Learning for Noisy Time Series》(时间序列、对比学习、去噪),分享给大家做个参考,收藏极客之家收获更多编程知识
今天是2024年9月12日,组会摸鱼,很久没看论文了,在摸鱼看代码,最近IJCAI 2024出来了,找了几篇论文看,首先这是第一篇。
论文:Denoising-Aware Contrastive Learning for Noisy Time Series
或者是:Denoising-Aware Contrastive Learning for Noisy Time Series
GitHub:https://github.com/betterzhou/DECL
IJCAI 2024的论文。
摸鱼混子,抓紧看论文。
(声明,看的时候看的英文原文,但是写博客直接整段翻译器翻译的,会小修一下翻译的不合适的地方,大部分不修改,所以翻译的有问题就是翻译器的锅,哈哈哈哈哈哈哈哈哈哈.)
摘要
时间序列自监督学习(SSL)旨在利用无标签数据进行预训练,以减轻对标签的依赖。尽管近年来取得了巨大成功,但对时间序列中潜在噪声的讨论却很有限,因为噪声会严重影响现有 SSL 方法的性能。为了减轻噪声,事实上的策略是在模型训练前应用传统的去噪方法。然而,这种预处理方法可能无法完全消除 SSL 中的噪声影响,原因有二:(i) 时间序列中的噪声类型多种多样,很难自动确定合适的去噪方法;(ii) 将原始数据映射到潜在空间后,噪声可能会被放大。在本文中,我们提出了去噪感知对比学习(DECL),它使用对比学习目标来减轻表征中的噪声,并为每个样本自动选择合适的去噪方法。在各种数据集上进行的大量实验验证了我们方法的有效性。代码已开源。
(现在21:42,准备溜了,明天再看.)
版权声明:本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:jacktools123@163.com进行投诉反馈,一经查实,立即删除!
标签:
相关文章
最新发布
- Nuxt.js 应用中的 prerender:routes 事件钩子详解
- 【问题解决】Tomcat由低于8版本升级到高版本使用Tomcat自带连接池报错无法找到表空间的问题
- 【FAQ】HarmonyOS SDK 闭源开放能力 —Vision Kit
- 六、Spring Boot集成Spring Security之前后分离认证流程最佳方案
- 《JVM第7课》堆区
- .NET 8 高性能跨平台图像处理库 ImageSharp
- 还在为慢速数据传输苦恼?Linux 零拷贝技术来帮你!
- 刚毕业,去做边缘业务,还有救吗?
- 如何避免 HttpClient 丢失请求头:通过 HttpRequestMessage 解决并优化
- 让性能提升56%的Vue3.5响应式重构之“版本计数”