- CoST: Contrastive Learning of Disentangled Seasonal-Trend Representations for Time Series Forecasting [35.8]
我々はCoSTという新しい時系列表現学習フレームワークを提案する。 コントラスト学習法を用いて季節差表現を学習する。 実世界のデータセットの実験では、CoSTが最先端のメソッドを一貫して上回っていることが示されている。
論文 参考訳（メタデータ） 参考訳（全文） (Thu, 3 Feb 2022 13:17:38 GMT)- 新たな時系列表現学習方法の提案。
- TS2Vec GitHub – yuezhihan/ts2vec: A universal time series representation learning framework を上回る性能とのこと。
タグ: 時系列
SimTSC(Similarity-Aware Time-Series Classification): GNN利用の時系列分類
- Towards Similarity-Aware Time-Series Classification [51.2]
時系列データマイニングの基本課題である時系列分類(TSC)について検討する。 グラフニューラルネットワーク(GNN)を用いて類似情報をモデル化するフレームワークであるSimTSCを提案する。
論文 参考訳（メタデータ） (Wed, 5 Jan 2022 02:14:57 GMT)- 時系列分類をグラフノードの予測問題として解く方針の提案。実験結果からはラベルの数によっては優れた性能を発揮できているように見える。この手の問題はよく見かけるので選択肢の一つとして有望な気はする。
- リポジトリはGitHub – daochenzha/SimTSC: [SDM 2022] Towards Similarity-Aware Time-Series Classification