


Google : Nouvelle méthode d'apprentissage de la représentation de séries chronologiques avec échantillonnage à fréquence inégale
Dans les problèmes de séries chronologiques, il existe un type de série chronologique qui n'est pas échantillonné à des fréquences égales, c'est-à-dire que les intervalles de temps entre deux observations adjacentes dans chaque groupe sont différents. L'apprentissage de la représentation des séries chronologiques a été beaucoup étudié dans les séries temporelles d'échantillonnage à fréquence égale, mais il y a moins de recherches sur ces séries temporelles d'échantillonnage irrégulier, et la méthode de modélisation de ce type de série temporelle est différente de celle de l'échantillonnage à fréquence égale. Il y a une grande différence dans les méthodes de modélisation
L'article présenté aujourd'hui explore la méthode d'application de l'apprentissage des représentations dans le problème des séries temporelles d'échantillonnage irrégulier, s'appuie sur l'expérience pertinente en PNL et obtient des résultats comparatifs dans les tâches en aval.
Photos
- Titre de l'article : PAITS : Pré-entraînement et augmentation pour les séries temporelles irrégulièrement échantillonnées
- Adresse de téléchargement : https://arxiv.org/pdf/2308.13703v1.pdf
1. définition des données
Ce qui suit est une représentation de données de séries chronologiques irrégulières, comme le montre la figure ci-dessous. Chaque série chronologique se compose d'un ensemble de triplets. Chaque triplet contient trois champs : heure, valeur et caractéristique, qui représentent respectivement l'heure d'échantillonnage, la valeur et d'autres caractéristiques de chaque élément de la série chronologique. En plus de ces triples, chaque séquence comprend également d'autres caractéristiques statiques qui ne changent pas dans le temps, ainsi que des étiquettes pour chaque série temporelle
images
Généralement, cette méthode de modélisation de séries temporelles irrégulières, structure commune Les données triples ci-dessus sont intégrés séparément, assemblés et entrés dans des modèles tels que le transformateur. De cette manière, les informations à chaque instant et la représentation temporelle à chaque instant sont intégrées et entrées dans le modèle pour prédire les tâches ultérieures.
Photos
Dans la tâche de cet article, les données utilisées incluent non seulement les données étiquetées, mais également les données non étiquetées pour le pré-entraînement non supervisé.
2. Présentation de la méthode
La méthode de pré-formation dans cet article fait référence à l'expérience dans le domaine du traitement du langage naturel et couvre principalement deux aspects
Conception des tâches de pré-formation : Afin de gérer des séries temporelles irrégulières, appropriées une pré-formation doit être conçue. La tâche permet au modèle d'apprendre des représentations efficaces à partir de données non supervisées. Cet article présente principalement deux tâches de pré-formation basées sur la prédiction et la reconstruction
Conception de méthodes d'amélioration des données : Dans cette étude, une méthode d'amélioration des données pour l'apprentissage non supervisé a été conçue, comprenant l'ajout de bruit, l'ajout de masques aléatoires, etc.
De plus, l'article présente également un algorithme pour différents ensembles de données distribuées afin d'explorer la méthode optimale d'apprentissage non supervisé
3 Conception des tâches de pré-formation
Cet article propose respectivement deux tâches de pré-formation sur des séries temporelles irrégulières, qui sont des prévisions de pré-entraînement. et préformation en reconstruction.
Dans le pré-entraînement de prévision, pour chaque fonctionnalité de la série temporelle, sa valeur est prédite en fonction de la séquence de précommande d'une fenêtre temporelle d'une certaine taille. Les caractéristiques ici font référence aux fonctionnalités du triplet. Étant donné que chaque fonctionnalité peut apparaître plusieurs fois dans une fenêtre temporelle, ou peut ne pas apparaître du tout, la valeur de la première occurrence de cette fonctionnalité est utilisée comme étiquette pour le pré-entraînement. Les données d'entrée comprennent des séries originales et des séries chronologiques améliorées.
Dans la pré-formation à la reconstruction, d'abord, pour une série chronologique originale, une séquence améliorée est générée via une méthode d'amélioration des données, puis la séquence améliorée est utilisée comme entrée, et le vecteur de représentation est généré par l'encodeur, puis entré vers un décodeur Restaurer la série temporelle d'origine dans le processeur. L'article utilise un masque pour indiquer quelles parties de la séquence doivent être restaurées. Si le masque est entièrement à 1, la séquence entière est restaurée
Après avoir obtenu les paramètres de pré-entraînement, elle peut être directement appliquée à la tâche de réglage fin en aval, l'ensemble du processus de pré-entraînement et de réglage fin, comme indiqué ci-dessous.
Photos
4. Conception de la méthode d'amélioration des données
Dans cet article, nous proposons deux méthodes d'amélioration des données. La première méthode consiste à ajouter du bruit, en introduisant des interférences aléatoires dans les données pour augmenter la diversité des données. La deuxième méthode est le masquage aléatoire, qui encourage le modèle à apprendre des fonctionnalités plus robustes en sélectionnant aléatoirement des parties des données à masquer. Ces méthodes d'amélioration des données peuvent nous aider à améliorer les performances et la capacité de généralisation du modèle
Pour chaque valeur ou point temporel de la séquence d'origine, du bruit peut être ajouté en ajoutant du bruit gaussien. La méthode de calcul spécifique est la suivante :
Images
La méthode de masque aléatoire s'appuie sur des idées de la PNL et construit une série chronologique améliorée en sélectionnant au hasard l'heure, la caractéristique, la valeur et d'autres éléments pour un masquage et un remplacement aléatoires.
La figure suivante montre l'effet des deux types de méthodes d'amélioration des données ci-dessus :
Image
De plus, l'article utilise différentes combinaisons d'amélioration des données, de méthodes de pré-entraînement, etc., pour différentes séries chronologiques données, à partir de ces combinaisons Rechercher la méthode de pré-entraînement optimale.
5. Résultats expérimentaux
Dans cet article, des expériences ont été menées sur plusieurs ensembles de données pour comparer les effets de différentes méthodes de pré-entraînement sur ces ensembles de données. On peut observer que la méthode de pré-entraînement proposée dans l'article a permis d'obtenir une amélioration significative sur la plupart des ensembles de données
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

AI Hentai Generator
Générez AI Hentai gratuitement.

Article chaud

Outils chauds

Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Sujets chauds

Deepseek est un puissant outil de récupération d'informations. .

Deepseek est un moteur de recherche propriétaire qui ne recherche que dans une base de données ou un système spécifique, plus rapide et plus précis. Lorsque vous l'utilisez, il est conseillé aux utilisateurs de lire le document, d'essayer différentes stratégies de recherche, de demander de l'aide et des commentaires sur l'expérience utilisateur afin de tirer le meilleur parti de leurs avantages.

Cet article présente le processus d'enregistrement de la version Web de Sesame Open Exchange (GATE.IO) et l'application Gate Trading en détail. Qu'il s'agisse de l'enregistrement Web ou de l'enregistrement de l'application, vous devez visiter le site Web officiel ou l'App Store pour télécharger l'application authentique, puis remplir le nom d'utilisateur, le mot de passe, l'e-mail, le numéro de téléphone mobile et d'autres informations et terminer la vérification des e-mails ou du téléphone mobile.

Il est crucial de choisir un canal formel pour télécharger l'application et d'assurer la sécurité de votre compte.

Pourquoi le lien d'échange de Bybit ne peut-il pas être téléchargé directement et installé? Bybit est un échange de crypto-monnaie qui fournit des services de trading aux utilisateurs. Les applications mobiles de l'échange ne peuvent pas être téléchargées directement via AppStore ou GooglePlay pour les raisons suivantes: 1. La politique de l'App Store empêche Apple et Google d'avoir des exigences strictes sur les types d'applications autorisées dans l'App Store. Les demandes d'échange de crypto-monnaie ne répondent souvent pas à ces exigences car elles impliquent des services financiers et nécessitent des réglementations et des normes de sécurité spécifiques. 2. Conformité des lois et réglementations Dans de nombreux pays, les activités liées aux transactions de crypto-monnaie sont réglementées ou restreintes. Pour se conformer à ces réglementations, l'application ByBit ne peut être utilisée que via des sites Web officiels ou d'autres canaux autorisés

Gate.io est un échange de crypto-monnaie de premier plan qui offre une large gamme d'actifs cryptographiques et de paires de trading. Enregistrer Gate.io est très simple. Complétez l'inscription. Avec Gate.io, les utilisateurs peuvent profiter d'une expérience de trading de crypto-monnaie sûre et pratique.

Pour accéder à la dernière version du portail de connexion du site Web de Binance, suivez simplement ces étapes simples. Accédez au site officiel et cliquez sur le bouton "Connectez-vous" dans le coin supérieur droit. Sélectionnez votre méthode de connexion existante. Entrez votre numéro de mobile ou votre mot de passe enregistré et votre mot de passe et complétez l'authentification (telles que le code de vérification mobile ou Google Authenticator). Après une vérification réussie, vous pouvez accéder à la dernière version du portail de connexion du site Web officiel de Binance.

Ce guide fournit des étapes de téléchargement et d'installation détaillées pour l'application officielle Bitget Exchange, adaptée aux systèmes Android et iOS. Le guide intègre les informations de plusieurs sources faisant autorité, y compris le site officiel, l'App Store et Google Play, et met l'accent sur les considérations pendant le téléchargement et la gestion des comptes. Les utilisateurs peuvent télécharger l'application à partir des chaînes officielles, y compris l'App Store, le téléchargement officiel du site Web APK et le saut de site Web officiel, ainsi que des paramètres d'enregistrement, de vérification d'identité et de sécurité. De plus, le guide couvre les questions et considérations fréquemment posées, telles que
