清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

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.
最长约 10秒,即可获得该文献文件

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
荔枝波波加油完成签到 ,获得积分10
10秒前
我有一只猫完成签到 ,获得积分10
13秒前
青树柠檬完成签到 ,获得积分10
19秒前
危机的慕卉完成签到 ,获得积分10
23秒前
范白容完成签到 ,获得积分10
33秒前
yyh218完成签到,获得积分10
40秒前
杨明明完成签到,获得积分20
46秒前
chichenglin完成签到 ,获得积分10
51秒前
数学情缘完成签到 ,获得积分10
52秒前
陈无敌完成签到 ,获得积分10
55秒前
昭歆钰完成签到 ,获得积分10
55秒前
温馨完成签到 ,获得积分10
1分钟前
淡如水完成签到 ,获得积分10
1分钟前
予秋发布了新的文献求助10
1分钟前
有机发布了新的文献求助10
1分钟前
zhdjj完成签到 ,获得积分10
2分钟前
如意2023完成签到 ,获得积分10
2分钟前
个性松完成签到 ,获得积分10
2分钟前
缓慢雅青完成签到 ,获得积分10
2分钟前
支觅露发布了新的文献求助10
2分钟前
wyt发布了新的文献求助10
2分钟前
回首不再是少年完成签到,获得积分0
2分钟前
jlwang发布了新的文献求助10
2分钟前
武雨珍完成签到,获得积分10
2分钟前
科研通AI2S应助要减肥千筹采纳,获得10
3分钟前
姚芭蕉完成签到 ,获得积分0
3分钟前
维维完成签到 ,获得积分10
3分钟前
景代丝完成签到,获得积分10
3分钟前
realmar完成签到,获得积分10
3分钟前
merrylake完成签到 ,获得积分10
3分钟前
研友_85rWQL完成签到 ,获得积分10
4分钟前
madison完成签到 ,获得积分10
4分钟前
zai完成签到 ,获得积分20
4分钟前
clare完成签到 ,获得积分10
5分钟前
研友_Lw7OvL完成签到 ,获得积分10
5分钟前
无为完成签到 ,获得积分10
5分钟前
午后狂睡完成签到 ,获得积分10
5分钟前
WIS发布了新的文献求助20
5分钟前
yuehan完成签到 ,获得积分10
5分钟前
hoongyan完成签到 ,获得积分10
5分钟前
高分求助中
Evolution 10000
Distribution Dependent Stochastic Differential Equations 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
Die Gottesanbeterin: Mantis religiosa: 656 400
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 400
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 3158657
求助须知:如何正确求助?哪些是违规求助? 2809828
关于积分的说明 7883745
捐赠科研通 2468521
什么是DOI,文献DOI怎么找? 1314311
科研通“疑难数据库(出版商)”最低求助积分说明 630582
版权声明 601983