NeurIPS 2024 | 分段时序多分类任务下的一致性学习框架

文章预览

来源 ：时序人 本文 约3000字 ，建议阅读 5分钟 本文介绍一篇 NeurIPS 2024 的工作，来自浙大的研究者提出了一个名为 Con4m 的上下文感知一致性学习框架，用于处理分段时间序列分类任务。 本文介绍一篇 NeurIPS 2024 的工作，来自浙大的研究者提出了一个名为 Con4m 的上下文感知一致性学习框架，用于处理分段时间序列分类任务。在这个任务中，原始时间序列通常包含多个类别，每个类别的持续时间各不相同（MVD），这给分类带来了独特挑战。 Con4m 框架通过利用 MVD 的上下文先验信息，在数据和标签两个层面上，指导模型关注有助于区分连续段落的上下文信息。同时，Con4m 通过适应性地改变训练标签来协调不一致的边界标签，从而训练出更鲁棒的模型。 【论文标题】 Con4m: Context-aware Consistency Learning Framework for Segmented Time Series Classification 【论文地址】 http ………………………………