qqpill21614

TSNE图基于pytorch的数据特征可视化工具使用说明

本文是一份使用基于pytorch的代码在ucr数据集上绘制TSNE图的教程，其中包含了数据加载模型的更改方法和注释详细的代码。通过这篇教程，您可以学会如何使用TSNE工具将数据特征可视化，并根据自己的需求修改数据和模型。如果您在使用过程中遇到问题，可以通过私信联系我。

SimSiam对比学习方法及原理解析

本文分享SimSiam对比学习方法的原理以及其在解决负样本难以构造问题和模型坍塌方面的优越性。探讨了stop gradient和predictor操作在防止模型坍塌方面的作用，同时介绍了该方法的结构特点和应用场景。

SimMTM一种简单的预训练框架用于遮蔽时间序列建模论文介绍

本文详细解读了SimMTM的原理和优势，同时对该框架在时间序列建模方面的应用进行了探讨。SimMTM以简单易懂、高效稳定的特点，受到越来越多的关注和应用。通过SimMTM，你可以更好地进行时间序列建模，挖掘更多有价值的信息。

TS2vec及其他对比学习文献介绍

本文简要介绍了TS2vec、Subseries Consistency、TLoss/ Subseries Consistency、TNC/ Temporal consistency等对比学习文献，以及其他相关文件。其中，TS2vec是一种基于时间序列的向量表示方法，它能够在无监督的情况下自动学习出时

MAE论文研读分享MAE基于掩蔽自编码器的可扩展视觉学习

本次分享主要介绍了掩蔽自编码器（MAE）在可扩展视觉学习中的应用，探讨了MAE的优势和应用场景。MAE作为一种有效的神经网络模型，可以用于图像处理、特征提取等领域，而且具有良好的可扩展性。同时，我们还分享了一份MAE论文阅读汇报ppt，供组会参考。感兴趣的同学们可以了解一下。

UCR数据集提供128个单变量时间序列数据

UCR数据集提供了128个单变量时间序列数据，可用于进行时间序列分类等任务。该数据集包含了多种类型的单变量时间序列数据，并且提供了解压密码：attempttoclassify或者someone。可以使用此数据集进行深度学习、机器学习等多种任务，有利于提高数据分析和分类准确性。