SDSC：面向语义信号表示学习的结构感知度量
机器学习
2026-01-30 v3 人工智能
计算机科学中的逻辑
摘要
我们提出信号 Dice 相似系数（SDSC），一种用于时间序列自监督表示学习的结构感知度量函数。大多数针对信号的自监督学习（SSL）方法常采用基于距离的目标函数，如均方误差（MSE），其对�幅敏感、对波形极性不变且在尺度上是无界的。这些特性阻碍了语义对齐并降低可解释性。SDSC 通过基于已签名振幅交集对时序信号的结构一致性进行量化，从 Dice 相似系数（DSC）派生而来。虽然 SDSC 定义为结构感知度量，但可通过从 1 中减去并应用 Heaviside 函数的可微近似来用作损失，以实现基于梯度的优化。还提出了一种混合损失函数，将 SDSC 与 MSE 结合，提高稳定性并在必要时保留振幅。在预测和分类基准测试中，SDSC 基于的预训练在性能上与或优于 MSE，尤其在领域内和低资源场景中表现更佳。结果表明，信号表示中的结构保真性可提升语义表示质量，支持将结构感知度量作为传统基于距离的方法的可行替代方案。
引用
@article{arxiv.2507.14516,
title = {SDSC:A Structure-Aware Metric for Semantic Signal Representation Learning},
author = {Jeyoung Lee and Hochul Kang},
journal= {arXiv preprint arXiv:2507.14516},
year = {2026}
}