增强时间序列对比学习：一种动态坏对挖掘方法 （ICLR 2024）

最新推荐文章于 2024-06-11 16:59:08 发布
最新推荐文章于 2024-06-11 16:59:08 发布
阅读量281 收藏 3
点赞数 8
文章标签： 学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_61008862/article/details/138880476
版权

lanxiang1017/DynamicBadPairMining_ICLR24：DBPM是一种简单的算法，被设计为一个没有可学习参数的轻量级插件，以增强时间序列对比学习的性能。 (github.com) 

 数据集下载完之后，预处理一直报错是因为data_processing/utils/utils里面的117行出现问题，这个的命令是读取路径名称为ptb文件，这是我自己设置的。

这个是完成了数据预处理的操作。会生成一个名称为Diagnostic的文件夹。

在config_ecg.yaml修改前三行的路径

在终端运行命令

python main_dbpm.py --dataset ECG --description simclr_check/diagnostic --cutnp 2 --cutfp 3 --nclass 44 --device 4

完美运行

月光下的洪流
关注
  • 8
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
ICLR‘2024时间序列论文汇总！预测、分析、分类等方向的最新进展
2401_82426425的博客
01-29 2735
与基于 Transformer 和 MLP 的模型相比，ModernTCN 提供了更好的效率和性能平衡，并展示了更大的有效感受野，从而更好地利用了卷积在时间序列分析中的潜力。本文提出了一种新的可解释稀疏系统识别方法，用于时间序列预测，它结合了基于知识和数据驱动的方法，利用傅里叶基处理时间序列数据，并通过稀疏优化实现高精度预测。为解决此问题，本文提出了一种无源无监督的对齐方法，利用学习到的动态重用预训练的生成模型，避免从头训练，并在模拟中验证了该方法对运动皮层神经记录的对准效果。
ICLR 2021上与【对比学习（CL）】相关论文（六篇）
03-02
本文发现对比学习（Contrastive Learning）相关的接受paper非常多，对比学习这几年方法的研究，特别是难样本的选取机制以及在CV、NLP、DM上应用也非常广，也是当前比较火的topic。
ICLR 2024 时间序列相关最新论文汇总，涉及transformer、GNN、大模型等热门领域
学姐带你玩AI的博客
01-21 3741
ICLR（International Conference on Learning Representations），国际公认的深度学习顶会之一，与AAAI、CVPR、ACL和NIPS等老牌学术会议齐名，由图灵奖巨头Yoshua Bengio和Yann LeCun牵头举办，在人工智能、统计和数据科学以及计算机视觉、语音识别、文本理解等多个重要应用领域中都发表了众多极其有影响力的论文。本届ICLR 2024会议共收到了7262篇论文，整体接收率约为31%，与去年（31.8%）基本持平。
论文精读 | 2024 [ICLR] TimeMixer: 可分解多尺度融合的时间序列预测
suzukiwudi的博客
03-25 2416
TimeMixer模型针对时间序列预测的复杂性提出了一个多尺度混合架构，旨在利用过去可分解混合（PDM）模块提取过去的关键信息，并通过未来多预测器混合（FMM）模块进行未来序列的预测。具体来说，TimeMixer首先通过平均下采样生成多尺度观测，然后PDM采用可分解设计更好地处理季节性和趋势变化的不同属性，通过在精细到粗略和粗略到精细方向上分别混合多尺度季节性和趋势组件。FMM在预测阶段集成多个预测器，利用多尺度观测中的互补预测能力。
ICLR 2024 时间序列（Time Series）论文
suzukiwudi的博客
01-17 1999
ICLR 2024（International Conference on Learning Representations）在5月7日-11日在奥地利维也纳举行。今年，ICLR共收到7262篇投稿，总体录用率在31%。 本文总结了2024 ICLR录用的有关时间序列论文，其中包含了时间序列预测，分类，插补以及气象预测，大模型在时间序列建模等的应用。供大家学习，欢迎大家补充。
ICLR 2024时空数据（Spatial-Temporal）论文汇总
suzukiwudi的博客
01-30 1272
ICLR（International Conference on Learning Representations）在5月7日-11日在奥地利维也纳举行。今年，ICLR共收到7262篇投稿，总体录用率在31%。 本文总结了ICLR 24有关时空数据的相关论文，如有疏漏，欢迎大家补充。其中包含时空预测，气象预测，因果推断，时空图神经网络，地理大模型等的应用。供大家学习，欢迎大家补充。
【时间序列预测 2023 ICLR】TimesNet
wujing1_1的博客
07-27 1151
时间序列分析在天气预报、异常检测、行为识别等广泛应用中具有重要意义。本文重点研究了时间变化建模，这是广泛分析任务的共同关键问题。以往的方法试图直接从一维时间序列中完成这一任务，但由于复杂的时间模式，这是极具挑战性的。在观测时间序列多周期的基础上，我们将复杂的时间变化分解为多重的周期内和周期间变化。为了解决一维时间序列在表示能力上的局限性，我们将一维时间序列转化为一组基于多个周期的二维张量，从而将时间变化的分析扩展到二维空间。
ICLR 2024 | MolGen: 化学反馈引导的预训练分子生成
二十四桥明月夜的博客
02-03 1113
本文介绍了一种新的分子生成框架MolGen。实验分析表明，MolGen能够有效生成符合化学偏好的分子，规避了“分子幻觉”问题。为了进一步满足从头分子设计的需求，作者推出了最新的MolGen-7B版本。该版本基于LLaMA架构，无需依赖现有分子结构即可设计出多样化的新分子，开拓了更为广阔的化学探索空间。
【时间序列】从 ICLR 2022 投稿中了解图神经网络和时间序列相结合的研究趋势...
AI蜗牛车
11-02 4195
这篇文章从 ICLR 2022 的论文投稿中学习下 「时间序列」 和 「图神经网络」 相结合的研究趋势，主要包含较为个人关注的两个研究领域融合；然后总结下研究趋势。首先介绍下 ICLR 会...
WWW 2024 | 时间序列（Time Series）和时空数据（Spatial-Temporal）论文总结
suzukiwudi的博客
02-08 1584
WWW 2024已经放榜，本次会议共提交了2008篇文章，research tracks共录用约400多篇论文，录用率为20.2%。本次会议将于2024年5月13日-17日在新加坡举办。 本文总结了WWW 2024有关时间序列（Time Series）和时空数据（Spatial-Temporal）的相关文章，部分挂在了arXiv上。 时间序列Topic：时序预测，异常检测，时域频域，大模型等 时空数据Topic：时空预测，POI推荐，多模态，轨迹表示学习，大模型等
HCL:ICLR 2021，带有硬负样本的对比学习
05-26
硬负样本的对比学习 我们考虑这样一个问题：如何为对比学习采样好负面的例子？ 我们认为，与度量学习一样，学习对比表示形式可以从硬否定样本（即难以与锚点区分开的点）中受益。 使用硬底片的主要挑战在于，对比...
ICLR2024录用论文
03-04
ICLR2024的所有录用论文
【ICLR2022】图神经网络复杂时间序列建模
04-15
虽然时间序列的机器学习方法通常假设完全可观察和固定大小的输入，但不规则采样的时间序列提出了相当大的挑战。例如，传感器的观测结果可能没有对齐，相邻读数之间的时间间隔可能因传感器而异，不同的样本可能在不同...
coRNN:耦合震荡RNN的官方代码（ICLR 2021，口服）
05-08
此存储库包含实现以重现国际学习表示法会议（ICLR）2021年的数值实验的实现方式[口头]论文 要求 Python 3.6.1 pytorch 1.3.1 torchvision 0.4.2 torchtext 0.6.0 numpy 1.17.4 spacy v2.2+ 如果要在GPU上运行实验...
如何学习Golang语言!
FengyangCoder的博客
06-09 397
起源与设计哲学：Go语言由Robert Griesemer、Rob Pike和Ken Thompson三位Google工程师设计，旨在解决现代编程中的一些常见问题，如编译速度、运行效率和并发编程。主要特点：Go语言的语法简单、编译速度快、运行效率高，支持静态类型和内存安全，具有垃圾回收功能，并且原生支持并发编程。
扩展学习|风险管理的文献综述汇总（持续更新向）
weixin_63253486的博客
06-10 775
本片博客主要介绍风险管理领域本人所看到的一些有意思的文章，并就风险管理领域的相关内容进行一个分享。
[ue5]建模场景学习笔记（5）——必修内容可交互的地形，交互沙（3）
qq_40128113的博客
06-09 299
5.第一想法直接clear掉，但直接clear会把想要保留的痕迹一并去除，跑起来就没有痕迹！所以不行，要做一个转载，先把痕迹保留在一个载体上，清楚原来痕迹，用sandsave表示，再把这个载体的痕迹保存回原来rt，这样之前的痕迹被清空了，只留下了保存在载体上的部分，正好符合我们想要的部分。我们现在已经能够让这片地形出现在任意地方，只要角色走在这片地形上，就能够产生痕迹，但这片区域总是需要人工指定，又无法把这片区域无限扩大（显存爆炸），因此尝试使角色无论走到哪里都能产生痕迹。否则绘制不到画板上。
Qt---pro文件的学习
最新发布
weixin_51883798的博客
06-11 427
【代码】Qt---pro文件的学习。
对比学习负样本选择多少
08-19
而引用中提出了一种增量式的假负样本检测方法，通过逐步删除置信度较低的假负样本来缓解其对整个对比学习模型的影响。 综上所述，对比学习中选择负样本的数量并没有明确的标准，而是需要根据具体的研究方法和模型来...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值