Bidirectional consistency with temporal-aware for semi-supervised time series classification

判别式 计算机科学 人工智能 一致性(知识库) 模式识别(心理学) 特征学习 特征向量 特征(语言学) 班级(哲学) 代表(政治) 机器学习 哲学 语言学 政治 政治学 法学
作者
Han Liu,Fengbin Zhang,Xunhua Huang,Ruidong Wang,Liang Xi
出处
期刊:Neural Networks [Elsevier]
卷期号:180: 106709-106709
标识
DOI:10.1016/j.neunet.2024.106709
摘要

Semi-supervised learning (SSL) has achieved significant success due to its capacity to alleviate annotation dependencies. Most existing SSL methods utilize pseudo-labeling to propagate useful supervised information for training unlabeled data. However, these methods ignore learning temporal representations, making it challenging to obtain a well-separable feature space for modeling explicit class boundaries. In this work, we propose a semi-supervised Time Series classification framework via Bidirectional Consistency with Temporal-aware (TS-BCT), which regularizes the feature space distribution by learning temporal representations through pseudo-label-guided contrastive learning. Specifically, TS-BCT utilizes time-specific augmentation to transform the entire raw time series into two distinct views, avoiding sampling bias. The pseudo-labels for each view, generated through confidence estimation in the feature space, are then employed to propagate class-related information into unlabeled samples. Subsequently, we introduce a temporal-aware contrastive learning module that learns discriminative temporal-invariant representations. Finally, we design a bidirectional consistency strategy by incorporating pseudo-labels from two distinct views into temporal-aware contrastive learning to construct a class-related contrastive pattern. This strategy enables the model to learn well-separated feature spaces, making class boundaries more discriminative. Extensive experimental results on real-world datasets demonstrate the effectiveness of TS-BCT compared to baselines.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
Owen应助等待的谷波采纳,获得10
1秒前
崔噔噔发布了新的文献求助10
1秒前
林晓青完成签到 ,获得积分10
1秒前
qy应助llg采纳,获得10
1秒前
禾泽发布了新的文献求助10
2秒前
3秒前
tangwenhuan发布了新的文献求助10
3秒前
哭泣大米完成签到 ,获得积分10
3秒前
4秒前
kdjm688应助自由的冰蓝采纳,获得10
4秒前
5秒前
汉堡包应助天灰灰难回味采纳,获得10
5秒前
meng若完成签到 ,获得积分10
5秒前
御靈君发布了新的文献求助10
5秒前
6秒前
8秒前
8秒前
10秒前
赵泳行发布了新的文献求助10
10秒前
可可杨发布了新的文献求助10
10秒前
tangwenhuan完成签到,获得积分20
10秒前
10秒前
tonyhuang完成签到,获得积分10
10秒前
10秒前
11秒前
高高发布了新的文献求助10
11秒前
12秒前
tianzml0应助gyx采纳,获得10
13秒前
潘科学家发布了新的文献求助10
14秒前
自由的冰蓝给自由的冰蓝的求助进行了留言
15秒前
禾泽完成签到,获得积分10
15秒前
15秒前
不知道发布了新的文献求助10
15秒前
Akim应助狂野的白开水采纳,获得10
15秒前
15秒前
16秒前
qixiaoqi发布了新的文献求助10
17秒前
18秒前
科研通AI2S应助老王子采纳,获得10
18秒前
19秒前
高分求助中
Sustainability in ’Tides Chemistry 2000
Sustainability in ’Tides Chemistry 1500
Studien zur Ideengeschichte der Gesetzgebung 1000
The ACS Guide to Scholarly Communication 1000
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Handbook of the Mammals of the World – Volume 3: Primates 805
Ethnicities: Media, Health, and Coping 800
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3071903
求助须知:如何正确求助?哪些是违规求助? 2725788
关于积分的说明 7491264
捐赠科研通 2373147
什么是DOI,文献DOI怎么找? 1258476
科研通“疑难数据库(出版商)”最低求助积分说明 610277
版权声明 596944