DECL: 针对噪声时间序列的去噪感知对比学习《Denoising-Aware Contrastive Learning for Noisy Time Series》(时间序列、对比学习、去噪)

今天是2024年9月12日,组会摸鱼,很久没看论文了,在摸鱼看代码,最近IJCAI 2024出来了,找了几篇论文看,首先这是第一篇。

论文:Denoising-Aware Contrastive Learning for Noisy Time Series

或者是:Denoising-Aware Contrastive Learning for Noisy Time Series

GitHub:https://github.com/betterzhou/DECL

IJCAI 2024的论文。

摸鱼混子,抓紧看论文。

(声明,看的时候看的英文原文,但是写博客直接整段翻译器翻译的,会小修一下翻译的不合适的地方,大部分不修改,所以翻译的有问题就是翻译器的锅,哈哈哈哈哈哈哈哈哈哈.)

摘要

时间序列自监督学习(SSL)旨在利用无标签数据进行预训练,以减轻对标签的依赖。尽管近年来取得了巨大成功,但对时间序列中潜在噪声的讨论却很有限,因为噪声会严重影响现有 SSL 方法的性能。为了减轻噪声,事实上的策略是在模型训练前应用传统的去噪方法。然而,这种预处理方法可能无法完全消除 SSL 中的噪声影响,原因有二:(i) 时间序列中的噪声类型多种多样,很难自动确定合适的去噪方法;(ii) 将原始数据映射到潜在空间后,噪声可能会被放大。在本文中,我们提出了去噪感知对比学习(DECL),它使用对比学习目标来减轻表征中的噪声,并为每个样本自动选择合适的去噪方法。在各种数据集上进行的大量实验验证了我们方法的有效性。代码已开源。

(现在21:42,准备溜了,明天再看.)