论文笔记:COST: CONTRASTIVE LEARNING OF DISENTANGLEDSEASONAL-TREND REPRESENTATIONS FORTIME SERIES FOREC
时间序列预测首先学习时间序列解耦的representation然后进行回归任务的精调对比学习CoST包含时域和频域的contrastiveloss——>学习趋势和周期性representation传统的时间序列预测模型将特征表示学习和预测任务放在一块迭代很多非线性层来同时进行特征提取和预测回归任务但这样的方式可能会导致模型过拟合