当前位置: 首页 > 学术动态 > 正文
学术报告-缺少标签信息的时间序列表示学习
阅读次数:     发布时间:2023-06-05

2023科技创新月〕缺少标签信息的时间序列表示学习

报告人:吴敏研究员

报告人单位:新加坡科技研究局

报告时间:66日(星期二)15:00

会议地点:崇德A604会议室

举办单位:道具震动高潮花蒂在线观看(人工智能学院)

报告人简介:

  吴敏博士,博士毕业于新加波南洋理工大学,目前担任新加坡科技研究局高级研究科学家。主要科研方向为机器学习,迁移学习,数据挖掘和生物信息学。近年来发表学术论文一百余篇,参与编写英文专著两部。曾荣获IEEE ICIEA 2022IEEE SmartCity 2022DASFAA 2015InCoB 2016的最佳论文奖,IEEE PHM 2020最佳论文提名奖。受邀担任KDDAAAIIJCAIICLR等重要国际会议程序委员会委员。

报告摘要:缺少标签是在实际应用深度学习模型处理时间序列数据时经常面临的挑战。最近出现了几种方法,例如迁移学习、自监督学习和半监督学习,旨在提升深度模型在有限标签下的学习能力。在本次报告中,将简要回顾解决时间序列数据中标签稀缺性问题的现有方法,并将其分类为领域内解决方案和跨领域解决方案。然后,分享自己在这个主题上的一些成果。首先,介绍了两种自监督学习方法,称为TS-TCCCA-TCC,用于领域内时间序列表示学习。还提出了SEA,以及基准平台AdaTime,作为我们跨领域解决方案。最后,讨论了这些方法的局限性和该领域未来的发展方向。