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?
- 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。
- 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