2023年12月26日上午，南京航空航天大学陈松灿教授应学院邀请，做了题为“时间序列的自监督学习研究进展”的学术报告。报告由孙忠贵教授、乔立山教授主持，学院教师及研究生20余人参加。
时间序列数据几乎无处不在，对其分析能够包括预测，分类，异常检测等诸多任务，现有大多数分析仅涉及其中部分任务，因此建立统一的分析框架适应多样性下游任务成为一种目标。关键在于如何习得通用的时间序列表示，尽管自监督对比学习（SSCL）是一种有力的表示学习方法。但因时间序列特殊的时序、趋势等特性，需要针对性的探索。本报告即是通过频率-时间增广, dual universum+示例层面的掩码学习，使SSCL能更有效地预训练习得具有时间序列特性的通用表示学习以适用于多样性的下游任务。最后，指出了此类方法的局限性和今后的潜在方向。
陈松灿，南京航空航天大学计算机学院/人工智能学院（二级）教授。政府特贴专家。国际模式识别学会会士 (IAPR Fellow)和中国人工智能学会会士(CAAI Fellow)。论文已获Google Scholar引用18550+次，H-指数64。2014-2022连续9年入选Elsevier中国高引学者榜。现任中国人工智能学会机器学习专委会主任、中国人工智能学会常务理事、江苏省人工智能学会理事长等。2011年和2013年分别获教育部自然科学1等奖(2/5)和国家自然科学2等奖(2/5)。至今共主持国家自然科学基金项目13项，其中重点项目1项，结题获优。已培养毕业博士生40+名，7位获江苏省优博，其中2位继获全国百篇优博论文提名奖。
