时间序列对比学习——时频域融合

Unsupervised Time-Series Representation Learning with Iterative Bilinear Temporal-Spectral Fusion （ICML 2022）

作者通过dropout实现了时间序列表征学习（基于对比学习）instance level的采样和训练样本对的构造，此外，提出了一种将序列的时域和频域信息进行深层次融合的方法，在多个下游任务上验证了其方法的有效性。

文章链接：https://proceedings.mlr.press/v162/yang22e.html

源码实现：暂无

1 论文的结构(简要概括)

1 Abstract

• 作者想解决什么问题？

  获取更好的时间序列表征。

• 作者通过什么理论/模型来解决这个问题？

  1. 通过dropout实现序列instance level的采样，相较于以往的切片采样方式，更加完整的保留了序列信息。
  2. 提出了一个Bilinear Temporal-Spectral Fusion（BTSF）模块将时域和频域信息进行深度融合。

• 作者给出的答案是什么？

  通过多个下游任务实验，验证了其提出的