Скачать с ютуб [Paper Review] Time-Series Representation Learning with Iterative Bilinear Temporal-Spectral Fusion в хорошем качестве

[Paper Review] Time-Series Representation Learning with Iterative Bilinear Temporal-Spectral Fusion

[ 발표자 ] 고려대학교 DSBA 연구실 박사과정 최희정 [ 관련 세미나 발표 영상 ] 1. Unsupervised Representation Learning Approaches for Multivariate Time Series (1) -    • [Paper Review] Unsupervised Represent...   2. Unsupervised Representation Learning Approaches for Multivariate Time Series (2) -    • [Paper Review] Unsupervised Represent...   [ 발표 요약 ] 1. Topic Unsupervised Time-Series Representation Learning with Iterative Bilinear Temporal-Spectral Fusion 2. Overview 이번 세미나 시간에는 최근 ICML2022에 accept 된 unsupervised representation learning 방법론 Bilinear Temporal-Spectral Fusion(BTSF)를 공유하고자 한다. 본 논문에서는 segment-level contrastive learning을 활용한 기존 time-series representation learning 모델들의 한계점을 지적하고, 이를 보완할 수 있는 BTSF를 제안하였다. 기존의 segment-level 방법론들은 spectral feature를 활용하지 않기 때문에 시계열 데이터의 temporal-spectral 관계를 잘 반영하지 못한다. 또한, 시계열 데이터에서 segment 단위로 contrastive pairs를 구성하기 때문에 long-term dependency 및 global context를 고려할 수 없다는 한계점을 가진다. BTSF는 전체 길이의 시계열 데이터에 dropout을 활용한 instance-level augmentation을 적용하여 contrastive pairs를 구성하는 방법을 활용하여 global context와 long-term dependency를 모두 고려할 수 있도록 하였다. 더불어 원본 시계열 데이터의 temporal-spectral 정보를 적절하게 통합할 수 있는 iterative bilinear temporal-spectral fusion 방법을 제안하여 representation의 표현력을 향상시켰다. 3. 참고문헌 [1] Unsupervised Time-Series Representation Learning with Iterative Bilinear Temporal-Spectral Fusion, ICML 2022 [2] Unsupervised Scalable Representation Learning for Multivariate Time Series, NeurIPS2019 [3] Unsupervised Representation Learning for Time Series with Temporal Neighborhood Coding, ICLR 2021 [4] Time-Series Representation Learning via Temporal and Contextual Contrasting, IJCAI 2021