Buchumschlag

Towards Enhancing Time Series Contrastive Learning: A Dynamic Bad Pair Mining Approach

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lan, Xiang, Yan, Hanshu, Hong, Shenda, Feng, Mengling
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

MEETI: A Multimodal ECG Dataset from MIMIC-IV-ECG with Signals, Images, Features and Interpretations
von: Zhang, Deyun, et al.
Veröffentlicht: (2025)

Learning the Unlearned: Mitigating Feature Suppression in Contrastive Learning
von: Zhang, Jihai, et al.
Veröffentlicht: (2024)

Retrieval-Augmented Diffusion Models for Time Series Forecasting
von: Liu, Jingwei, et al.
Veröffentlicht: (2024)

GEM: Empowering MLLM for Grounded ECG Understanding with Time Series and Images
von: Lan, Xiang, et al.
Veröffentlicht: (2025)

Review of Data-centric Time Series Analysis from Sample, Feature, and Period
von: Sun, Chenxi, et al.
Veröffentlicht: (2024)

Development and Validation of a Dynamic Kidney Failure Prediction Model based on Deep Learning: A Real-World Study with External Validation
von: Ma, Jingying, et al.
Veröffentlicht: (2025)

mtslearn: Machine Learning in Python for Medical Time Series
von: Jiang, Zhongheng, et al.
Veröffentlicht: (2026)

Repetitive Contrastive Learning Enhances Mamba's Selectivity in Time Series Prediction
von: Yan, Wenbo, et al.
Veröffentlicht: (2025)

Curriculum Design Helps Spiking Neural Networks to Classify Time Series
von: Sun, Chenxi, et al.
Veröffentlicht: (2023)

TFEC: Multivariate Time-Series Clustering via Temporal-Frequency Enhanced Contrastive Learning
von: Tan, Zexi, et al.
Veröffentlicht: (2026)

Semi-Supervised End-To-End Contrastive Learning For Time Series Classification
von: Cai, Huili, et al.
Veröffentlicht: (2023)

StatioCL: Contrastive Learning for Time Series via Non-Stationary and Temporal Contrast
von: Wu, Yu, et al.
Veröffentlicht: (2024)

Automated Contrastive Learning Strategy Search for Time Series
von: Jing, Baoyu, et al.
Veröffentlicht: (2024)

Dist Loss: Enhancing Regression in Few-Shot Region through Distribution Distance Constraint
von: Nie, Guangkun, et al.
Veröffentlicht: (2024)

Guidelines for Augmentation Selection in Contrastive Learning for Time Series Classification
von: Liu, Ziyu, et al.
Veröffentlicht: (2024)

Fuzzy Cluster-Aware Contrastive Clustering for Time Series
von: Wang, Congyu, et al.
Veröffentlicht: (2025)

Self-Supervised Learning for Time Series: Contrastive or Generative?
von: Liu, Ziyu, et al.
Veröffentlicht: (2024)

Moirai 2.0: When Less Is More for Time Series Forecasting
von: Liu, Chenghao, et al.
Veröffentlicht: (2025)

Contrastive Learning Is Not Optimal for Quasiperiodic Time Series
von: Atienza, Adrian, et al.
Veröffentlicht: (2024)

Parametric Augmentation for Time Series Contrastive Learning
von: Zheng, Xu, et al.
Veröffentlicht: (2024)

Distillation Enhanced Time Series Forecasting Network with Momentum Contrastive Learning
von: Gao, Haozhi, et al.
Veröffentlicht: (2024)

Harnessing Contrastive Learning and Neural Transformation for Time Series Anomaly Detection
von: Chen, Katrina, et al.
Veröffentlicht: (2023)

Soft Contrastive Learning for Time Series
von: Lee, Seunghan, et al.
Veröffentlicht: (2023)

Dynamic Multi-Network Mining of Tensor Time Series
von: Obata, Kohei, et al.
Veröffentlicht: (2024)

A Unified Contrastive-Generative Framework for Time Series Classification
von: Liu, Ziyu, et al.
Veröffentlicht: (2025)

Simple Contrastive Representation Learning for Time Series Forecasting
von: Zheng, Xiaochen, et al.
Veröffentlicht: (2023)

Event-Based Contrastive Learning for Medical Time Series
von: Jeong, Hyewon, et al.
Veröffentlicht: (2023)

Rank Supervised Contrastive Learning for Time Series Classification
von: Ren, Qianying, et al.
Veröffentlicht: (2024)

Predicting Bad Goods Risk Scores with ARIMA Time Series: A Novel Risk Assessment Approach
von: Gond, Bishwajit Prasad
Veröffentlicht: (2025)

Rethinking Positive Pairs in Contrastive Learning
von: Wu, Jiantao, et al.
Veröffentlicht: (2024)

Contrastive and Variational Approaches in Self-Supervised Learning for Complex Data Mining
von: Liang, Yingbin, et al.
Veröffentlicht: (2025)

Contrast to Detect: Dynamic Graph Contrastive Regularization for Unsupervised Anomaly Detection in Multivariate Time Series
von: Pei, Yunhua, et al.
Veröffentlicht: (2026)

AimTS: Augmented Series and Image Contrastive Learning for Time Series Classification
von: Chen, Yuxuan, et al.
Veröffentlicht: (2025)

A Predictive Approach To Enhance Time-Series Forecasting
von: Gunasekaran, Skye, et al.
Veröffentlicht: (2024)

Frequency-Masked Embedding Inference: A Non-Contrastive Approach for Time Series Representation Learning
von: Fu, En, et al.
Veröffentlicht: (2024)

Kairos: Toward Adaptive and Parameter-Efficient Time Series Foundation Models
von: Feng, Kun, et al.
Veröffentlicht: (2025)

PairCFR: Enhancing Model Training on Paired Counterfactually Augmented Data through Contrastive Learning
von: Qiu, Xiaoqi, et al.
Veröffentlicht: (2024)

Contrast All the Time: Learning Time Series Representation from Temporal Consistency
von: Shamba, Abdul-Kazeem, et al.
Veröffentlicht: (2024)

Dynamic Reward Scaling for Multivariate Time Series Anomaly Detection: A VAE-Enhanced Reinforcement Learning Approach
von: Golchin, Bahareh, et al.
Veröffentlicht: (2025)

Byte Pair Encoding for Efficient Time Series Forecasting
von: Götz, Leon, et al.
Veröffentlicht: (2025)