Fugu-MT 論文翻訳(概要): Unsupervised Visual Time-Series Representation Learning and Clustering

論文の概要: Unsupervised Visual Time-Series Representation Learning and Clustering

arxiv url: http://arxiv.org/abs/2111.10309v1
Date: Fri, 19 Nov 2021 16:44:33 GMT
ステータス: 処理完了
システム内更新日: 2021-11-22 16:16:55.992109
Title: Unsupervised Visual Time-Series Representation Learning and Clustering
Title（参考訳）: 教師なしビジュアル時系列表現学習とクラスタリング
Authors: Gaurangi Anand and Richi Nayak
Abstract要約: 時系列データは、インターネット・オブ・シングス(Internet-of-Things)インフラストラクチャ、コネクテッド・アンド・ウェアラブルデバイス、リモートセンシング、自律運転研究、オーディオビデオ通信からユビキタスに生成される。本稿では,これらの時系列における教師なし表現学習の可能性について検討する。
参考スコア（独自算出の注目度）: 2.610470075814367
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Time-series data is generated ubiquitously from Internet-of-Things (IoT) infrastructure, connected and wearable devices, remote sensing, autonomous driving research and, audio-video communications, in enormous volumes. This paper investigates the potential of unsupervised representation learning for these time-series. In this paper, we use a novel data transformation along with novel unsupervised learning regime to transfer the learning from other domains to time-series where the former have extensive models heavily trained on very large labelled datasets. We conduct extensive experiments to demonstrate the potential of the proposed approach through time-series clustering.
Abstract（参考訳）: 時系列データは、IoT(Internet-of-Things)インフラストラクチャ、コネクテッドおよびウェアラブルデバイス、リモートセンシング、自律運転研究、オーディオビデオ通信など、ユビキタスに生成される。本稿では,これらの時系列における教師なし表現学習の可能性について検討する。本稿では、新しいデータ変換と教師なし学習システムを用いて、学習を他のドメインから時系列に転送し、前者が非常に大きなラベル付きデータセットで訓練された広範囲なモデルを持つようにする。時系列クラスタリングにより,提案手法の可能性を実証する広範囲な実験を行った。

関連論文リスト

Tackling Data Heterogeneity in Federated Time Series Forecasting [61.021413959988216]
時系列予測は、エネルギー消費予測、病気の伝染モニタリング、天気予報など、様々な実世界の応用において重要な役割を果たす。既存のほとんどのメソッドは、分散デバイスから中央クラウドサーバに大量のデータを収集する、集中的なトレーニングパラダイムに依存しています。本稿では,情報合成データを補助的知識キャリアとして生成することにより,データの均一性に対処する新しいフレームワークであるFed-TRENDを提案する。
論文参考訳（メタデータ） (2024-11-24T04:56:45Z)
On the Resurgence of Recurrent Models for Long Sequences -- Survey and Research Opportunities in the Transformer Era [59.279784235147254]
この調査は、Recurrenceの統一の傘の下に構築されたこれらのトレンドの概要を提供することを目的としている。長いシーケンスを処理するという考え方を捨てる際に顕著になる新しい研究機会を強調している。
論文参考訳（メタデータ） (2024-02-12T23:55:55Z)
Universal Time-Series Representation Learning: A Survey [14.340399848964662]
時系列データは、現実世界のシステムやサービスのあらゆる部分に存在する。ディープラーニングは、時系列データから隠れたパターンや特徴を抽出する際、顕著な性能を示した。
論文参考訳（メタデータ） (2024-01-08T08:00:04Z)
Multi-Granularity Framework for Unsupervised Representation Learning of Time Series [1.003058966910087]
本稿では,時系列の多粒度表現学習を実現するための教師なしフレームワークを提案する。具体的には、粒度と粒度の粗さを関連付けるために、粒度変換器を用いた。さらに,時系列の多粒度表現を学習するための教師なし学習タスクとして検索タスクを導入した。
論文参考訳（メタデータ） (2023-12-12T13:25:32Z)
Unsupervised Representation Learning for Time Series: A Review [20.00853543048447]
教師なし表現学習アプローチは、すべてのサンプルに注釈をつけることなく、ラベルのないデータから識別的特徴表現を学習することを目的としている。本稿では,現在急速に進化している時系列の非教師なし表現学習手法の文献レビューを行う。我々は9つの異なる実世界のデータセットに基づいて、最先端のアプローチ、特に急速に進化するコントラスト学習手法を実証的に評価した。
論文参考訳（メタデータ） (2023-08-03T07:28:06Z)
HyperTime: Implicit Neural Representation for Time Series [131.57172578210256]
暗黙の神経表現(INR)は、データの正確で解像度に依存しないエンコーディングを提供する強力なツールとして最近登場した。本稿では、INRを用いて時系列の表現を分析し、再構成精度とトレーニング収束速度の点で異なるアクティベーション関数を比較した。本稿では,INRを利用して時系列データセット全体の圧縮潜在表現を学習するハイパーネットワークアーキテクチャを提案する。
論文参考訳（メタデータ） (2022-08-11T14:05:51Z)
CHALLENGER: Training with Attribution Maps [63.736435657236505]
ニューラルネットワークのトレーニングに属性マップを利用すると、モデルの正規化が向上し、性能が向上することを示す。特に、我々の汎用的なドメインに依存しないアプローチは、ビジョン、自然言語処理、時系列タスクにおける最先端の結果をもたらすことを示す。
論文参考訳（メタデータ） (2022-05-30T13:34:46Z)
PIETS: Parallelised Irregularity Encoders for Forecasting with Heterogeneous Time-Series [5.911865723926626]
マルチソースデータセットの不均一性と不規則性は時系列解析において重要な課題となる。本研究では、異種時系列をモデル化するための新しいアーキテクチャ、PIETSを設計する。 PIETSは異種時間データを効果的にモデル化し、予測タスクにおける他の最先端手法よりも優れていることを示す。
論文参考訳（メタデータ） (2021-09-30T20:01:19Z)
Multimodal Clustering Networks for Self-supervised Learning from Unlabeled Videos [69.61522804742427]
本稿では,共通のマルチモーダル埋め込み空間を学習する自己監督型トレーニングフレームワークを提案する。インスタンスレベルのコントラスト学習の概念をマルチモーダルクラスタリングステップで拡張し,モダリティ間の意味的類似性を捉える。結果として得られる埋め込みスペースは、見えないデータセットや異なるドメインからでも、すべてのモダリティにわたるサンプルの検索を可能にする。
論文参考訳（メタデータ） (2021-04-26T15:55:01Z)
Interpretable Deep Representation Learning from Temporal Multi-view Data [4.2179426073904995]
変動型オートエンコーダとリカレントニューラルネットワークに基づく生成モデルを提案し,多視点時間データに対する潜時ダイナミクスを推定する。提案モデルを用いて,モデルの有効性と解釈可能性を示す3つのデータセットを解析する。
論文参考訳（メタデータ） (2020-05-11T15:59:06Z)
Laplacian Denoising Autoencoder [114.21219514831343]
本稿では,新しいタイプの自動符号化器を用いてデータ表現を学習することを提案する。勾配領域における潜伏クリーンデータを破損させて雑音入力データを生成する。いくつかのビジュアルベンチマークの実験では、提案されたアプローチでより良い表現が学べることが示されている。
論文参考訳（メタデータ） (2020-03-30T16:52:39Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。