面向时间序列的计算机视觉自监督学习方法
机器学习
2024-01-30 v4 人工智能
机器学习
摘要
自监督学习（SSL）在计算机视觉领域已取得巨大成功。当前主流的计算机视觉 SSL 框架大多基于孪生网络架构。这些方法通常依赖巧妙设计的损失函数与训练设置以避免特征坍缩。在本研究中，我们评估那些计算机视觉 SSL 框架是否对另一种模态（即时间序列）同样有效。我们在 UCR 与 UEA 档案库上实验并评估了其有效性，表明计算机视觉 SSL 框架即便对时间序列也是有效的。此外，我们提出了一种改进近期 VICReg 方法的新方法。我们的方法改进了 VICReg 中提出的协方差项，并且我们通过在架构头部增加迭代归一化层来加速模型收敛。
引用
@article{arxiv.2109.00783,
title = {Computer Vision Self-supervised Learning Methods on Time Series},
author = {Daesoo Lee and Erlend Aune},
journal= {arXiv preprint arXiv:2109.00783},
year = {2024}
}