我的随笔

打工干活17-2025-3-3

ZERO- 2025-03-03 22:27 阅读:0 评论:0 推荐:0 编辑

打工干活16-2025-2-8

ZERO- 2025-03-03 22:26 阅读:0 评论:0 推荐:0 编辑

打工干活15-2025-2-7

ZERO- 2025-02-07 23:24 阅读:0 评论:0 推荐:0 编辑

CoInception: 利用噪声感知自监督学习和高效编码器改进时间序列编码《Improving Time Series Encoding with Noise-Aware Self-Supervised Learning and an Efficient Encoder》(时间序列、噪声数据、对比学习、表征学习、抗噪训练策略)

ZERO- 2024-12-31 10:37 阅读:0 评论:0 推荐:0 编辑

S3: 分段、打乱与拼接：一种用于改进时间序列表示的简单层《Segment, Shuffle, and Stitch: A Simple Layer for Improving Time-Series Representations》(时间序列、表征学习、矩阵变换(离散操作变为可微分操作)、即插即用)

ZERO- 2024-12-22 21:43 阅读:0 评论:0 推荐:0 编辑

打工干活14-2024-12-5

ZERO- 2024-12-22 21:37 阅读:0 评论:0 推荐:0 编辑

往者不可谏，来者犹可追

ZERO- 2024-12-22 21:31 阅读:0 评论:0 推荐:0 编辑

CycleNet: 通过周期模式建模加强时间序列预测《CycleNet: Enhancing Time Series Forecasting through Modeling Periodic Patterns》(时间序列、建模周期模式)+《SparseTSF: Modeling Long-term Time Series Forecasting with 1k Parameters》

ZERO- 2024-12-09 17:31 阅读:294 评论:0 推荐:0 编辑

PITS: 学习独立嵌入时间序列Patches《Learning To Embed Time Series Patches Independently》(时间序列、Patch、未掩码片段重构、互补对比学习(最大池化分层对比)、Patch+MLP做预训练任务)

ZERO- 2024-11-05 23:53 阅读:292 评论:1 推荐:0 编辑

论文思路7-一些和ChatGPT的沟通记录总结和乱七八糟——(主要是最近确实思路受限，干脆整理一下以前的内容，说不定就有脑子了)

ZERO- 2024-11-04 17:49 阅读:30 评论:0 推荐:0 编辑

公告

昵称： ZERO-
园龄： 8年1个月
粉丝： 96
关注： 25

<

2025年3月

>

日

一

二

三

四

五

六

23

24

25

26

27

28

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

1

2

3

4

5

最新随笔

随笔分类

随笔档案

阅读排行榜

评论排行榜

推荐排行榜

最新评论

1. Re:TimesURL: 用于通用时间序列表征学习的自监督对比学习《TimesURL: Self-supervised Contrastive Learning for Universal Time Series Representation Learning》(通用时间序列表示、自监督对比学习、双重Universums硬负样本、时间重构联合优化)
@holly714 嗯嗯，加油ヽ(°▽、°)ﾉ...
--ZERO-
2. Re:TimesURL: 用于通用时间序列表征学习的自监督对比学习《TimesURL: Self-supervised Contrastive Learning for Universal Time Series Representation Learning》(通用时间序列表示、自监督对比学习、双重Universums硬负样本、时间重构联合优化)
@ZERO- 好的谢谢博主的解答我再好好斟酌考虑考虑一下...
--holly714
3. Re:TimesURL: 用于通用时间序列表征学习的自监督对比学习《TimesURL: Self-supervised Contrastive Learning for Universal Time Series Representation Learning》(通用时间序列表示、自监督对比学习、双重Universums硬负样本、时间重构联合优化)
@holly714 你好，不太建议哦，如果只是做异常检测的话，目前有很多优秀的模型可以实现，这篇论文的模型有点过于复杂，时间成本有点高。...
--ZERO-
4. Re:TimesURL: 用于通用时间序列表征学习的自监督对比学习《TimesURL: Self-supervised Contrastive Learning for Universal Time Series Representation Learning》(通用时间序列表示、自监督对比学习、双重Universums硬负样本、时间重构联合优化)
@ZERO- 那博主如果我只用这个模型做异常值检测呢主要想将timesurl这个模型做异常值检测与传统方法作比较理论部分我看懂50% 代码部分在GitHub上面看到有特别多暂时有点无从下手博主...
--holly714
5. Re:TimesURL: 用于通用时间序列表征学习的自监督对比学习《TimesURL: Self-supervised Contrastive Learning for Universal Time Series Representation Learning》(通用时间序列表示、自监督对比学习、双重Universums硬负样本、时间重构联合优化)
@holly714 你好，这个模型的代码要花好久才能看懂，而且模型有点过于复杂了，现在比较追求简洁高效的模型，建议找2024年新出的其他的论文模型哦(ICLR/NeurIPS等新出的)...
--ZERO-