該方法將近年用于圖像的監(jiān)督式對(duì)比學(xué)習(xí)方法用于時(shí)序數(shù)據(jù)中的高頻信號(hào),融合了領(lǐng)域知識(shí)、對(duì)比學(xué)習(xí)和深度學(xué)習(xí);設(shè)計(jì)出了一種改進(jìn)的監(jiān)督對(duì)比損失函數(shù),有效兼顧了alignment和uniformity,同時(shí)單批次可以處理多樣本多增強(qiáng)場(chǎng)景,提升了方法的魯棒性和泛化性。

阿里云IoT數(shù)據(jù)服務(wù)團(tuán)隊(duì)專(zhuān)注于使用算法模型解決設(shè)備運(yùn)維領(lǐng)域的挑戰(zhàn),在實(shí)際落地客戶(hù)場(chǎng)景的過(guò)程不斷深入算法模型研究,并取得了國(guó)際認(rèn)可的先進(jìn)性證明。為阿里云物聯(lián)網(wǎng)平臺(tái)服務(wù)的近十萬(wàn)家企業(yè),實(shí)現(xiàn)更高精準(zhǔn)度的預(yù)測(cè)性設(shè)備維護(hù),提供了技術(shù)支持。

xiesc