论文学习笔记 | AAAI-2022 TS2Vec：实现时间序列通用表示

已于 2024-07-28 19:09:20 修改
阅读量360 收藏
点赞数 1
分类专栏： 人工智能学习之路 文章标签： 时间序列 表征学习 TS2Vec 分层对比学习 上下文一致性正样本选择策略
于 2024-07-28 18:51:08 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/fyfugoyfa/article/details/140753365
版权

🍉 优快云 叶庭云：https://yetingyun.blog.youkuaiyun.com/

APA 引用格式：Yue, Z., Wang, Y., Duan, J., Yang, T., Huang, C., Tong, Y., & Xu, B. (2022, June). TS2Vec: Towards universal representation of time series. In Proceedings of the AAAI Conference on Artificial Intelligence (Vol. 36, No. 8, pp. 8980-8987).

论文提出了 TS2Vec，一个用于学习任意语义级别的时间序列表示的通用框架。与现有方法不同，TS2Vec 在增强上下文视图上以分层方式执行对比学习，从而为每个时间戳提供稳健的上下文表示。此外，为了获得时间序列中任意子序列的表示，我们可以对相应时间戳的表示应用简单的聚合。研究者对时间序列分类任务

了解本专栏 订阅专栏 解锁全文 超级会员免费看
AAAI 2022 | 条件局部图卷积网络用以气象预测
Paper weekly
03-05 1603
©PaperWeekly 原创 ·作者 | 西南交一枝花单位 | 西南交通大学CCIT实验室研究方向 | NLP、时空数据挖掘本次分享的是 AAAI 2022 一篇来自西湖大学的气象预报...
AAAI2025最新论文解读|Auto-Regressive Moving Diffusion Models for Time Series Forecasting用于时间序列预测的自回归移动扩散模型
最新发布
paixiaoxin的博客
01-09 820
本文提出了一种新颖的自回归移动扩散（ARMD）模型，用于时间序列预测（TSF）。该模型受到经典自回归移动平均（ARMA）理论的启发，将时间序列的演化视为一个扩散过程。与传统的基于噪声的扩散模型不同，ARMD通过滑动操作生成中间状态，从而更好地模拟时间序列的连续演化特性。实验结果表明，ARMD在多个基准数据集上均取得了优异的预测性能，显著优于现有的基于扩散的时间序列预测模型。
AAAI 2022 | 车辆重识别全新方向！解决恶劣天气下的车辆重识别！有效提升真实世界可行性！训练代码以及预训练模型皆以开源！...
阿木寺的博客
07-19 2649
点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达点击进入—>CV微信技术交流群SJDL-Vehicle: Semi-supervised Joint Defogging Learning for Foggy Vehicle Re-identification科研机构：台湾大学论文：https://ojs.aaai.org/index.php/...
AAAI 2022 | 正交图神经网络
Paper weekly
11-17 641
©作者 |桑士龙单位 | 南京邮电大学来源|MIND Laboratory论文介绍图神经网络 (GNNs) 模型依靠消息传递和特征转换函数来编码来自邻居的结构和特征信息，消息传递是沿着边传递邻居消息，特征转换是通过投影节点嵌入来提高模型的学习能力，但卷积层太多则会导致 GNNs 的性能降低。最近的研究指出这个问题来源于过平滑，也就是因为图结构上的递归邻域聚合导致节点表示变得难以区分。最近提出...
AAAI 2024录用论文合集，包含图神经网络、时间序列、多模态、异常检测等热门研究方向
热门推荐
学姐带你玩AI的博客
12-25 1万+
AAAI是国际顶级人工智能学术会议，属于CCF A类，在人工智能领域享有盛誉。今年的AAAI 会议投稿量突破了历史记录，共有12100篇投稿（主赛道），最终录用2342篇，录用率为23.75%。对比前几年有了很大的提升：本次AAAI 2024会议将于2024年2月20日至27日在加拿大温哥华会议中心举行。大家可以期待下~
#今日论文推荐#AAAI 2022 | 车辆重识别全新方向，解决恶劣天气下的车辆重识别，有效提升真实世界可行性，训练代码以及预训练模型皆以开源
w1hsxn的博客
07-20 568
近期AAAI'22的文章已经逐渐释出，当中这篇内容对于重识别在恶劣气候下提出了新的议题，并且开发出解决的算法架构及对于现有的资料集做更近一步地分类并提供额外的辅助标签，因此将本篇重点整理下来分享给大家，目前训练代码、预训练模型和辅助标签集皆已开源。...
L2P-GNN:AAAI-2021论文“学习预训练图神经网络”的代码和数据集
05-08
该存储库是AAAI-2021论文《的正式实施 要求 要安装要求： pip install -r requirements.txt 数据集 可以从以下链接下载所有必需的数据文件。 对于生物学数据集，请从和下载（提取代码：j97n），将其解压缩，然后将...
AFN-AAAI-20:AAAI'20论文的源代码-Source code learning
03-25
2020年2月7日至12日，在美国纽约州纽约市AAAI'20上。 作者：程伟宇（sjtu.edu.cn的weiyu_cheng） 介绍 我们提出了自适应分解网络（AFN），这是一种新模型，可以从数据中自适应地学习任意阶的交叉特征。 AFN的核心...
论文笔记 | Open-World Knowledge Graph Completion |AAAI2018
weixin_41297561的博客
05-24 1015
来源：AAAI2018 论文链接：https://arxiv.org/pdf/1711.03438.pdf 代码链接：https://github.com/bxshi/ConMask 介绍 这篇文章解决的是知识图谱补全的问题，先前的知识图谱补全模型(KGC)都是在KG的实体集合和关系集合确定的情况下预测新的连接，文中将其称为Closed-World KGC，Definition1 给出了Closed-World KGC的定义： Closed-World KGC：给定不完整知识图谱G=(E,R,T)G=(.
【论文笔记】AAAI2022多智能体强化学习论文五篇
Xixoqw的博客
03-17 6865
修改自我的组会报告ppt。 文章目录引子Anytime Multi-Agent Path Finding via Machine Learning-Guided Large Neighborhood SearchMAPF-LNS2: Fast Repairing for Multi-Agent Path Finding via Large Neighborhood SearchScenic4RL: Programmatic Modeling and Generation of Real-time Strat
AAAI23 官方模板（latex。word）
07-29
官方模板，解压即可
aaai 2018 会议笔记
12-13
David Abel总结的2018年aaai会议的笔记文档，涵盖了六个会议日的主要内容
AAAI 2022 | 北航提出基于特征纯化的视线估计算法，让机器更好地“看见”
Paper weekly
02-24 1693
视线估计算法基于用户的面部图片计算其视线方向。然而，面部图片中除包含有效的人眼区域信息外，仍包含众多的视线无关特征，如个人信息、光照信息。这些视线无关特征损害了视线估计的泛化性能，当使用环...
基于算法概念的可解释推理AAAI2022(用于组合优化问题)
白景屹的博客
06-05 1211
最近对图神经网络（GNN）模型的研究成功地将GNN应用于经典图算法（classical graph algorithms）和组合优化问题（combinatorial optimisation problems）。这有许多好处，例如允许在不满足前提条件时应用算法，或者在没有足够的训练数据或无法生成足够的训练数据时重用（reusing）学习模型。不幸的是，这些方法的一个主要障碍是缺乏可解释性，因为GNN是无法直接解释的黑盒模型。在这项工作中，我们通过将基于概念解释方面的现有工作应用于GNN模型来解决这一局限性。
Simple-SR(AAAI-2022)：Best-Buddy GANs for Highly Detailed Image Super-Resolution论文浅析
jiayoudangdang的博客
06-09 2259
框架的主体建立在生成对抗网络 (GAN) 之上，其中生成器用于重建高分辨率图像，而判别器经过训练以区分恢复的结果和真实的自然图像；采用预训练的 RRDB 模型作为我们的生成器，因为它具有很强的学习能力；RRDB出自ESRGAN：框架的主体建立在生成对抗网络 (GAN) [9] 之上，其中生成器用于重建高分辨率图像，而判别器经过训练以区分恢复的结果和真实的自然图像；采用预训练的 RRDB 模型作为我们的生成器，因为它具有很强的学习能力； 有（w/）和没有（w/o）反投影（BP）损失的比较。可视化估计结果和地面
【论文笔记】AAAI2022：Do Feature Attribution Methods Correctly Attribute Features?
cocotiani的博客
03-09 877
CV可解释性方向，第一次整理论文笔记，如有错误请批评指正。 原文链接：https://www.semanticscholar.org/paper/Do-Feature-Attribution-Methods-Correctly-Attribute-Zhou-Booth/426734685283b4a0c08b34cd9e996e2e30e7f7ee 代码：https://github.com/YilunZhou/feature-attribution-evaluation Abstract 特征归.
AAAI 2022：基于锚框排序的目标检测知识蒸馏｜AI Drive
shujushizhanpai的博客
04-18 2938
「AI Drive」是由 biendata 和 PaperWeekly 共同发起的学术直播间，旨在帮助更多的青年学者宣传其最新科研成果。我们一直认为，单向地输出知识并不是一个最好的方式，而有效地反馈和交流可能会让知识的传播更加有意义，从而产生更大的价值。 知识蒸馏是模型压缩的有效手段，但是目标检测网络的知识蒸馏方法却很少被研究。 传统的soft label蒸馏，在目标检测任务上基本没有提升。基于这个发现，南京理工大学计算机学院博士李钢和他的团队提出了一种适用于目标检测的锚框排序蒸馏，充分利用了检测网络..
AAAI 2022 | 传统GAN修改后可解释，并保证卷积核可解释性和生成图像真实性
数据派THU
07-07 454
来源：机器之心 本文约2800字，建议阅读5分钟 本文介绍了中科院计算所、上海交通大学等机构在 AAAI 2022 上发表的关于可解释生成对抗网络（GAN）的工作。本文介绍了中科院计算所、上海交通大学等机构在 AAAI 2022 上发表的关于可解释生成对抗网络（GAN）的工作。该工作提出了一种将传统 GAN 修改为可解释 GAN 的通用方法，使得 GAN 生成器中间层的卷...
【论文精读】AAAI 2022 - OneRel Joint Entity and Relation Extraction with One Module in One Step
qq_45041871的博客
04-23 596
联合实体和关系提取是自然语言处理和知识图构建中的一项重要任务。现有的方法通常将联合提取任务分解为几个基本模块或处理步骤，以使其易于执行。然而，这样的范式忽略了一个事实，即三元组的三个元素是相互依存和不可分割的。因此，以前的联合方法存在级联错误和冗余信息的问题。为了解决这些问题，在本文中，我们提出了一种新的联合实体和关系提取模型OneRel，该模型将联合提取视为一个细粒度的三元组分类问题。具体来说，我们的模型由一个基于评分的分类器和一个特定关系的horns tagging策略组成。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值