一种用于噪声时间序列学习的协同训练方法
机器学习
2023-08-25 v1 人工智能
摘要
本文关注鲁棒的时间序列表示学习。我们的假设是，真实世界时间序列含有噪声，且同一时间序列不同视图的互补信息在分析噪声输入时起着重要作用。基于此，我们通过两个不同编码器为输入时间序列创建两个视图，并迭代地基于对比学习进行协同训练以学习编码器。实验表明，该协同训练方法显著提升了性能。特别地，通过利用不同视图的互补信息，我们所提出的TS-CoT方法能够缓解数据噪声与损坏的影响。在四个时间序列基准上的无监督与半监督设定下的实证评估显示，TS-CoT优于现有方法。此外，TS-CoT学到的表示可通过微调良好迁移至下游任务。
引用
@article{arxiv.2308.12551,
title = {A Co-training Approach for Noisy Time Series Learning},
author = {Weiqi Zhang and Jianfeng Zhang and Jia Li and Fugee Tsung},
journal= {arXiv preprint arXiv:2308.12551},
year = {2023}
}
备注
Accepted by CIKM2023