喜报 |我所一篇时间序列对比学习的研究被国际顶级学术期刊 IEEE TNNLS录用

发布时间：2025年05月06日

      由我所师生合作完成的一篇论文Time-Series Contrastive Learning against False Negatives and Class Imbalance被国际顶级学术期刊IEEE Transactions on Neural Networks and learning systems录用，论文主要由我所博士生靳希源，欧小雨，以及硕士生刘磊在王晶老师和林友芳老师的指导下完成。

      自监督对比学习推动了时间序列表征学习的重大进步。虽然最近基于InfoNCE损失框架的研究侧重于如何构建适当的正负样本，但我们从理论上分析并确定了这类研究中两个固有但缺被忽视的问题：假负样本和类别不平衡。为了应对这些挑战，我们提出了一种基于SimCLR框架的简单而有效的修改，集成了一个多实例判别任务来减轻假负样本的负面影响。此外，我们引入了一种基于图的交互式投影头和语义一致性正则化损失，以最小的注释成本增强了少数类表示。对六个真实世界时间序列数据集的广泛实验表明，我们的方法始终优于最先进的方法，准确率提高了3.96%，F1得分提高了10.73%，特别有利于不平衡的数据场景。