利用专家特征进行对比学习的时间序列表示
机器学习
2023-09-26 v1 人工智能
机器学习
摘要
我们提出一种将专家知识纳入时间序列表示学习的方法。我们的方法采用专家特征来替代先前对比学习方法中常用的数据变换。我们这样做是因为时间序列数据常源自工业或医疗领域，其中领域专家常可提供专家特征，而变换对于时间序列数据通常难以界定。我们首先提出有用的时间序列表示应满足的两个性质，并表明当前的表示学习方法不能保证这些性质。因此我们设计了 ExpCLR，一种基于目标的新型对比学习方法，该目标利用专家特征来促使所学表示同时满足这两个性质。最后，我们在三个真实世界时间序列数据集上证明，ExpCLR 在无监督与半监督表示学习中均超越了若干最先进（SOTA）方法。
引用
@article{arxiv.2206.11517,
title = {Utilizing Expert Features for Contrastive Learning of Time-Series Representations},
author = {Manuel Nonnenmacher and Lukas Oldenburg and Ingo Steinwart and David Reeb},
journal= {arXiv preprint arXiv:2206.11517},
year = {2023}
}