Tex-Mex

新的TEX-MEX方法统一了时间序列对比学习

研究人员开发了TEX-MEX，一种用于时间序列数据的对比学习新方法，它统一了结构和时间相似性。该方法使用编码器来识别批次内相似和不相似的窗口，然后将每个窗口与相似窗口的时间偏移版本对齐。TEX-MEX应用于各种生理和监测数据类型，取得了最先进的性能，优于现有的对比学习、重建学习和基于JEPA的方法。一个值得注意的成果是，一个拥有560K参数的PPG基础模型设定了新的基准，同时比同类模型小得多，该模型将开源发布。