논문

시계열 데이터의 보편적인 표현 학습을 목표로 하는 프레임워크이다.

다변량 시계열 예측 및 self-supervised representation learning을 위한 효율적인 transformer 기반 모델 설계를 제안한다.

최근 시계열 사전 학습은 라벨링 비용을 절감하고 다운스트림 작업에서 성능을 향상시킬 수 있는 잠재력으로 인해 큰 주목을 받고 있음. TimeSiam은 무작위로 샘플링된 past subseries, current subseries 간의 내재적 시간적 상관관계를 포착.