arXiv Artificial Intelligence· Lucas Thil, Jesse Read, Rim Kaddah, Guillaume Doquet·· 13 小时前AI 评分37
STEP：为渐进式时间序列学习结构化嵌入
STEP: Learning STructured Embeddings for Progressive Time Series
AI 导读
STEP 用自监督对比目标学习渐进式时间序列的低维隐空间，把每次观测映射到两个固定正交原型向量之间的流形上，轨迹即流形上的路径。其极坐标“隐式罗盘”（θ, r）中 θ 追踪状态进展、r 标识当前模式，无需代理标签。在工业退化、机器人任务和神经活动数据上，该方法在终态预测、多步预测和可解释相位分离三项能力上匹配或优于黑盒方法，隐式罗盘坐标上的简单线性回归即可与深度架构竞争。
推荐理由模型分析
该工作用自监督对比学习把渐进式时间序列映射到由两个正交原型锚定的低维流形，并将潜向量的极坐标（θ、r）直接解释为进程与运行模式，无需代理标签。在工业退化、机器人任务和神经活动上，其端状态预测、多步预测与相位分离达到或优于黑盒基线，且潜坐标上的线性回归即可竞争深度模型，为需要可解释退化建模的开发者提供了可复现的对照基线。证据限于论文实验设定，跨域迁移与真实部署效果仍需验证。
来源：arXiv Artificial Intelligence · arxiv.org