多视图时间序列中的潜过程辨识
机器学习
2023-05-16 v1
摘要
理解时间序列数据的动态特性通常需要辨识数据生成的独特潜因子，亦即潜过程辨识。在独立性假设驱动下，现有工作在单视图数据处理上已取得很大进展。然而，将其推广到多视图时间序列数据是一个非平凡问题，主要存在两方面挑战：(i) 复杂的数据结构（如时间依赖性）可能导致独立性假设被破坏；(ii) 来自不同视图的因子通常相互重叠，难以聚合成一个完整集合。本工作中，我们提出一种新颖框架 MuLTI，采用对比学习技术反演数据生成过程以增强可辨识性。此外，MuLTI 集成一种置换机制，通过建立最优传输公式来合并相应的重叠变量。在合成与真实世界数据集上的大量实验结果证明了我们的方法在多视图时间序列上恢复可辨识潜变量方面的优越性。
引用
@article{arxiv.2305.08164,
title = {Latent Processes Identification From Multi-View Time Series},
author = {Zenan Huang and Haobo Wang and Junbo Zhao and Nenggan Zheng},
journal= {arXiv preprint arXiv:2305.08164},
year = {2023}
}
备注
15 pages, 9 figures, accepted by IJCAI-23