科研之友
微信
新浪微博
Facebook
分享链接
摘要
已有的多维时间序列(MTS)自监督表示学习模型无法同时捕获单个样本的时空耦合特征和样本间的不变性判别特征。为此设计了一种融合重构和对比的MTS表示学习模型(MTS-RC),该模型首先通过二进制噪声掩码方式对MTS样本进行数据增强，然后采用膨胀卷积和Transformer编码器分别提取MTS及其增强样本的局部上下文特征和局部上下文之间的长时依赖特征，最后由重构增强样本的掩码值捕获单个MTS样本的时空耦合特征，通过对比学习捕获MTS样本间的不变性判别特征。在多个MTS公开数据集上的分类实验结果表明，由MTS-RC所得表示向量训练的分类器准确率优于典型基线模型。消融实验结果也表明，所提模型中重构模块与对比模块相融合的设计能提高MTS表示向量的质量。
- 单位
