基于对比学习的通用隐式单调趋势估计
机器学习
2026-04-17 v3
摘要
在本文中，我们描述了一种从时间序列数据中提取潜在单调趋势因子的通用方法。我们提出了一种与 Mann-Kendall 检验（一种标准的单调趋势检测方法）相关的方法，称之为对比趋势估计（CTE）。我们表明，CTE 方法能够识别时序数据背后的任何隐藏趋势，同时避免了用于单调趋势识别的标准假设。特别地，CTE 可以将任何类型的时序数据（向量、图像、图、时间序列等）作为输入。最后，我们通过在不同类型的数据和问题上的若干实验说明了我们的 CTE 方法的优势。
引用
@article{arxiv.2210.09817,
title = {Universal hidden monotonic trend estimation with contrastive learning},
author = {Edouard Pineau and Sébastien Razakarivony},
journal= {arXiv preprint arXiv:2210.09817},
year = {2026}
}