時系列表現学習における時間的および文脈的な対照化

ラベルのない時系列データから適切な表現を学習することは非常に困難な課題である。本論文では、ラベルのないデータから時系列表現を学習するための無教師時系列表現学習フレームワーク「時間的および文脈的な対照（TS-TCC）」を提案する。まず、弱い増幅と強い増幅を使用して、生の時系列データを異なるが相関のある2つの視点に変換する。次に、新しい時間的対照モジュールを提案し、困難なクロスビュー予測タスクを設計することで堅牢な時間的表現を学習する。最後に、識別的な表現をさらに学習するために、時間的対照モジュールから得られる文脈に基づいて構築された文脈的対照モジュールを提案する。これは、同じサンプルの異なる文脈間での類似性を最大化しつつ、異なるサンプルの文脈間での類似性を最小化することを目指す。3つの実世界の時系列データセットで実験が行われた結果、我々が提案したTS-TCCによって学習された特徴量上に線形分類器を訓練することが、教師あり訓練と同等の性能を示すことが確認された。さらに、我々が提案したTS-TCCは、少量ラベルデータや転移学習のシナリオにおいても高い効率性を持つことが示された。コードは公開されており、https://github.com/emadeldeen24/TS-TCC から入手可能である。