SMATE: Semi-Supervised Spatio-Temporal Representation Learning on Multivariate Time Series
摘要：多元时间序列(MTS)的学习近年来受到广泛关注。特别是考虑到MTS的复杂维数和连续的数据结构，标签短缺对MTS的分类任务是一个真正的挑战。与自我训练和阳性标记学习依赖基于距离的分类器,在本文中,我们提出SMATE,小说semi-supervised模型学习可判断的时空表示从弱MTS的标签。我们验证经验学习表示30日公共数据集从UEA MTS档案。我们将其与13种用于完全监督任务的最新基线方法和4种用于半监督任务的基线方法进行比较。结果表明了该方法的可靠性和有效性
背景：
存在的方法大多是完全监督的，在构建MTS分类器时很少考虑标签短缺问题。
方案：
为了解决MTS的复杂结构和标签短缺问题，我们提出了smat，即多元时间序列上的半监督时空表示学习。基于自编码器的结构可以将MTS样本从原始特征空间X映射到低维嵌入空间h。空间建模块结合多层卷积网络捕获空间动态，而基于gru的结构提取时间动态特征。因此，smat能够将MTS样本的基本时空特征压缩到低维嵌入中。在此嵌入空间H的基础上，我们提出了一个半监督的三步正则化过程，使模型学习类可分离表示，其中标记样本和未标记样本都有助于模型的优化。这种正则化过程在每一步都具有可视化的能力，使smat具有可解释性。
SMATE: Semi-Supervised Spatio-Temporal Representation Learning on Multivariate Time Series相关推荐
- Unsupervised Scalable Representation Learning for Multivariate Time Series
Unsupervised Scalable Representation Learning for Multivariate Time Series 时间序列对机器学习算法来说是一种具有挑战性的数据类 ...
- 【论文导读】Time-Series Representation Learning via Temporal and Contextual Contrasting（时间和上下文对比的时间序列表示学习）
Time-Series Representation Learning via Temporal and Contextual Contrasting(通过时间和上下文对比的时间序列表示学习) 论文信 ...
- Supervised Hashing for Image Retrieval via Image Representation Learning
Supervised Hashing for Image Retrieval via Image Representation Learning 背景 最邻近搜索,是给定一个query,返回空间中距离 ...
- 文献阅读（72）WWW2022-TREND: TempoRal Event and Node Dynamics for Graph Representation Learning
本文是对<TREND: TempoRal Event and Node Dynamics for Graph Representation Learning>一文的总结,如有侵权即刻删除. ...
- Inductive Representation Learning In Temporal Networks via Causal Anonymous Walks
文章目录 1 前言 2 问题定义 3 CAW思路 3.1 Causal Anonymous Walk 3.1.1 Causality Extraction 3.1.2 Set-based Anonym ...
- 对比学习系列论文CPC（二）—Representation Learning with Contrastive Predictive Coding
0.Abstract 0.1逐句翻译 While supervised learning has enabled great progress in many applications, unsupe ...
- 对比学习系列论文MoCo v1（二）：Momentum Contrast for Unsupervised Visual Representation Learning
0.Abstract 0.1逐句翻译 We present Momentum Contrast (MoCo) for unsupervised visual representation learni ...
- （转）Predictive learning vs. representation learning 预测学习 与 表示学习
Predictive learning vs. representation learning 预测学习 与 表示学习 When you take a machine learning class, ...
- 表征学习 Representation Learning（特征学习、表示学习）是什么？
在机器学习领域,表征学习(或特征学习)是一种将原始数据转换成为能够被机器学习有效开发的一种技术的集合.在特征学习算法出现之前,机器学习研究人员需要利用手动特征工程(manual feature lea ...
最新文章
- linux系统编程之使用C++(1)－打开关闭文件
- PyTorch 和 Tensorflow 学哪个？上手简单的PyTorch考虑一下！
- 处理字符串_10_对字符串重新按字母排序重新组合
- HDU - 5008 Boring String Problem(后缀数组+二分)
- 2015Cocos游戏开发大赛作品——人鱼塞壬
- IBM云计算带我们进入新服务经济时代
- 不要62（HDU-2089）
- 子程序调用与宏定义的异同_冒泡排序_汇编语言的子程序调用与宏定义实现
- Spring Cloud Bus之RabbitMQ初窥
- 使用tensorflow object detection API 训练自己的目标检测模型 （三）
- 漫画 | 为什么 MySQL 数据库要用 B+ 树存储索引？
- python零基础能学吗-0基础该不该学习Python?适合学习吗？
- Java学习笔记--反射API
- JAVA随机数生成 | Math.random()方法 | 随机生成int、double类型
- Docker 背后的内核知识——cgroups 资源限制
- dedecms php用不了,织梦DEDECMS安装360漏洞补丁之后不能够运行PHP代码的问题
- 大数据架构及技术体系
- JAVA学习笔记之J2SDK主要包介绍 （马士兵 教学视频）
- git clone 码云仓库项目报错fatal: Authentication failed for ‘https://gitee.com/...‘
- 中国移动 呼叫转移 设置