时间与频率协同的无源时间序列域自适应
机器学习
2024-10-24 v1 人工智能
摘要
无源时间序列域自适应问题仍鲜有研究。另一方面，现有方法仅依赖时域特征，忽略了提供互补信息的频域分量。本文提出时间频率域自适应（TFDA），一种应对无源时间序列域自适应问题的方法。TFDA采用双分支网络结构，充分利用时间和频率特征进行最终预测。它基于邻域概念生成伪标签，通过聚合样本组的预测来产生可靠的伪标签。对比学习的概念在时域和频域中均得以实施，利用伪标签信息和负对排除策略来建立有效的邻域假设。此外，提出了基于自蒸馏策略的时频一致性技术，并实施了不确定性降低策略以缓解域偏移带来的不确定性。最后，整合了课程学习策略以对抗噪声伪标签。我们的实验表明，在基准问题上，我们的方法相较于现有技术具有显著优势。
引用
@article{arxiv.2410.17511,
title = {Time and Frequency Synergy for Source-Free Time-Series Domain Adaptations},
author = {Muhammad Tanzil Furqon and Mahardhika Pratama and Ary Mazharuddin Shiddiqi and Lin Liu and Habibullah Habibullah and Kutluyil Dogancay},
journal= {arXiv preprint arXiv:2410.17511},
year = {2024}
}