基于自监督学习的多数据增广时间序列分类算法

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘要：时间序列分类算法广泛应用于医疗诊断、金融预测等领域。然而，在解决时间序列分类问题时，深度学习模型通常面临数据标注困难等挑战。为了克服这些困难，本文提出了一种基于自监督学习的时间序列分类算法。该算法通过对时间序列片段进行数据增广，并设计区分数据增广形式的自监督辅助任务来挖掘时间序列的局部信息，以提高分类性能。（剩余7689字）

试读结束

目录
monitor