原创力文档摘要
随着时间序列数据的快速增长，现有时间序列的自监督学习方法在因参数冗
余导致的计算成本居高不下，因跨领域共性知识挖掘不足导致的迁移学习鲁棒性
不佳等方面面临严峻挑战。这些问题不仅阻碍了时间序列信号中信息的深度挖掘，
也限制了信息化社会的高效发展。
为应对挑战，本文提出了两种创新性的自监督学习方法，旨在有效降低计算
成本、提升计算效率，并增强表征信息的迁移能力，具体研究内容如下：
（1）提出了一种重构序列的时频映射的自监督学习方法AFT，通过增加高
比例掩码迫使编码器从
摘要
随着时间序列数据的快速增长，现有时间序列的自监督学习方法在因参数冗
余导致的计算成本居高不下，因跨领域共性知识挖掘不足导致的迁移学习鲁棒性
不佳等方面面临严峻挑战。这些问题不仅阻碍了时间序列信号中信息的深度挖掘，
也限制了信息化社会的高效发展。
为应对挑战，本文提出了两种创新性的自监督学习方法，旨在有效降低计算
成本、提升计算效率，并增强表征信息的迁移能力，具体研究内容如下：
（1）提出了一种重构序列的时频映射的自监督学习方法AFT，通过增加高
比例掩码迫使编码器从
文档评论（0）