[Paper Review] Learning Representations for Complete/Incomplete Time Series Clustering скачать в хорошем качестве

[Paper Review] Learning Representations for Complete/Incomplete Time Series Clustering

[ 발표자 ] 고려대학교 DSBA 연구실 박사과정 최희정 [ 발표 요약 ] 1. Topic Learning Representations for Complete/Incomplete Time Series Clustering 2. Overview 이번 세미나 시간에는 complete 및 incomplete 시계열 데이터를 활용하여 time series clustering에 적합한 cluster-specific representation을 학습할 수 있는 두 가지 representation learning 방법론을 공유하고자 한다. [1] Learning Representations for Time Series Clustering 본 논문에서는 time series clustering을 위한 representation learning 방법론인 Deep Temporal Clustering Representation(DTCR)을 제안하였다. 본 방법론은 temporal reconstruction, K-means objective, real/fake sample의 auxiliary classification을 통합하여 cluster-specific time series representation을 학습한다. [2] Learning Representations for Incomplete Time Series Clustering 본 논문에서는 incomplete time series data를 기반으로 cluster-specific representation을 학습할 수 있는 Cluster Representation Learning on Incomplete time series data(CRLI)를 제안하였다. 본 방법론은 imputation, imputation의 성능 향상을 위한 adversarial strategy, temporal reconstruction, K-means objective를 통합하여 결측치가 존재하는 데이터에서 cluster-specific time series representation을 학습한다. 3. 참고문헌 [1] Learning Representations for Time Series Clustering, NeurIPS 2019 [2] Learning Representations for Incomplete Time Series Clustering, AAAI 2021 [3] Spectral Relaxation for K-means Clustering, NeurIPS 2001