标签高效时间序列表示学习：综述
机器学习
2024-07-25 v4
摘要
标签高效时间序列表示学习旨在利用有限的标注数据学习有效表示，对于在真实应用中部署深度学习模型至关重要。为解决时间序列标注数据稀缺的问题，已发展出多种策略，例如迁移学习、自监督学习和半监督学习。本综述首次引入了一种新颖的分类法，根据对外部数据源的依赖与否，将现有方法划分为域内或跨域。此外，我们回顾了各策略的最新进展，总结了当前方法的局限性，并提出了有望进一步推动该领域发展的未来研究方向。
引用
@article{arxiv.2302.06433,
title = {Label-efficient Time Series Representation Learning: A Review},
author = {Emadeldeen Eldele and Mohamed Ragab and Zhenghua Chen and Min Wu and Chee-Keong Kwoh and Xiaoli Li},
journal= {arXiv preprint arXiv:2302.06433},
year = {2024}
}
备注
Accepted in the IEEE Transactions on Artificial Intelligence (TAI) https://ieeexplore.ieee.org/document/10601520