标签效率的时间序列表示学习：综述
摘要：应用深度学习模型于时间序列数据的主要挑战之一是标记数据的稀缺。因此，最近提出了几种方法，例如迁移学习、自我监督学习和半监督学习，以提高深度学习模型从有限的时间序列标签中学习的能力。在本综述中，我们首次提供了一个新的分类法，根据它们对外部数据源的依赖性，对解决时间序列数据中标记数据稀缺问题的现有方法进行分类。此外，我们对每种方法的最新进展进行了回顾，并总结了当前工作的局限性，并提供了未来可能取得更好进展的方向。
作者：Emadeldeen Eldele, Mohamed Ragab, Zhenghua Chen, Min Wu, Chee-Keong Kwoh, Xiaoli Li
论文ID：2302.06433
分类：Machine Learning
分类简称：cs.LG
提交时间：2023-08-16