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。