使用嵌入/自动编码器学习指标/信号相似性

时间:2018-08-31 03:49:23

标签: neural-network time-series similarity embedding autoencoder

我不确定这是否是一个有效的问题。 我有多个指标(接近300)的时间序列数据,我想找到这些指标彼此之间的嵌入式矢量表示,以便描绘这些指标之间的相似性(例如余弦距离),就像我们对像word2vec这样的技术。我的问题是,如果我在每个度量标准和其余度量标准之间训练自动编码器,就像从单个度量标准到其他度量标准再来回训练这两种方法一样,它会捕获度量标准之间的内在联系吗?

这里的问题是,在word2vec的情况下,我们对单词进行了一次热表示,但是在这种情况下,每次度量时所有度量都有一定的值,因此我们不能对所有的行都使用行向量单个时间范围的指标(它将找到时间范围之间的关系)。是否有可能了解这些度量之间的关系并使用嵌入来度量相似性(例如余弦距离)?如果是这样,正确的方法应该是什么? 我尝试搜索论坛时没有任何满意的答案。请帮忙。

0 个答案:

没有答案