TimeCSL：面向可探索时间序列分析的通用 Shapelet 无监督对比学习
机器学习
2024-04-09 v1 数据库
摘要
无监督（又称自监督）表示学习（URL）已成为时间序列分析的新范式，因为它能够学习可泛化的时间序列表示，有利于许多下游任务，而无需使用通常难以获取的标签。考虑到现有方法在表示编码器和学习目标的设计上存在局限性，我们提出了对比 Shapelet 学习（CSL），这是第一种通过无监督对比学习学习通用基于 Shapelet 表示的 URL 方法，并展示了其在时间序列分类、聚类和异常检测等若干分析任务中的卓越性能。在本文中，我们开发了 TimeCSL，这是一个端到端系统，充分利用 CSL 学习到的通用且可解释的 Shapelet，在统一流水线中实现可探索的时间序列分析。我们介绍了系统组件，并演示了用户如何与 TimeCSL 交互以在统一流水线中解决不同的分析任务，以及通过探索学习到的 Shapelet 和表示来深入洞察其时间序列。
引用
@article{arxiv.2404.05057,
title = {TimeCSL: Unsupervised Contrastive Learning of General Shapelets for Explorable Time Series Analysis},
author = {Zhiyu Liang and Chen Liang and Zheng Liang and Hongzhi Wang and Bo Zheng},
journal= {arXiv preprint arXiv:2404.05057},
year = {2024}
}