PulseAugur
中
实时 01:03:43
English(EN) Giving Sensors a Voice: Multimodal JEPA for Semantic Time-Series Embeddings

新模型 CHARM 使用 JEPA 学习时间序列嵌入

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了 CHARM（通道感知表示模型），该模型旨在从异构多元时间序列数据中学习通用表示。该模型利用了对通道顺序具有等变性的 Transformer 编码器，并使用联合嵌入预测架构 (JEPA) 和一种新颖的损失函数进行训练。JEPA 目标提高了对传感器噪声的鲁棒性，而描述感知门控通过学习通道间关系来提供可解释性。 AI

影响 引入了一种新颖的时间序列表示学习方法，有可能提高异常检测、分类和预测任务的性能。

排序理由 该集群包含一篇详细介绍新模型和方法的学术论文。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

报道来源 [2]

  1. arXiv cs.LG TIER_1 English(EN) · Utsav Dutta, Gerardo Pastrana, Sina Khoshfetrat Pakazad, Henrik Ohlsson ·

    赋予传感器语音：用于语义时间序列嵌入的多模态JEPA

    arXiv:2605.31580v1 Announce Type: new Abstract: Transformer-based architectures have advanced sequence modeling in language and vision, yet general-purpose representation learning for heterogeneous multivariate time series remains underexplored. We introduce CHARM (Channel-Aware …

  2. arXiv cs.LG TIER_1 English(EN) · Henrik Ohlsson ·

    赋予传感器语音：用于语义时间序列嵌入的多模态 JEPA

    Transformer-based architectures have advanced sequence modeling in language and vision, yet general-purpose representation learning for heterogeneous multivariate time series remains underexplored. We introduce CHARM (Channel-Aware Representation Model), which incorporates channe…

相关实体

相关话题