TEX-MEX：统一时序相似性的对比学习方法
热点事件持续更新
TEX-MEX：统一时序相似性的对比学习方法
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Aditya Radhakrishnan 等作者发布预印论文，提出时间序列对比学习方法 TEX-MEX，将结构相似性与时间相似性统一为单一关系。作者称这是首个做此统一的方法。 该方法在 PPG、EEG、ECG、加速度计和连续血糖监测上取得 SOTA，优于对比式、重建式、JEPA 及模态专用方法，并训练了一个 560K 参数的 PPG 基础模型，在下游基准上达到 SOTA，参数量约为评估中次优单模态预训练 PPG 基础模型的 1/50。 作者表示将以开源开放权重形式发布该基础模型，用于支持后续研究与应用。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 12:00
TEX-MEX：相似度引导的时间序列时序对比学习报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv：cs.LGTEX-MEX：相似度引导的时间序列时序对比学习
TEX-MEX 是首个将结构相似性与时间相似性统一为单一关系的时间序列对比学习方法，在 PPG、EEG、ECG、加速度计和连续血糖监测上达到 SOTA，优于对比式、重建式、JEPA 及模态专用方法。研究还训练了一个 560K 参数的 PPG 基础模型，在下游基准上取得 SOTA，参数量约为评估中次优单模态预训练 PPG 基础模型的 1/50。该基础模型将以开源开放权重形式发布。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。