近日，由松鼠Ai研究院与浙江大学、阿里巴巴达摩院、香港科技大学、康涅狄格大学、莫纳什大学等机构的时序方向研究专家联合发布的论文，被人工智能领域顶尖学术期刊IEEE TPAMI（IEEE Transactions on Pattern Analysis and Machine Intelligence）收录。该论文题为《自监督学习时间序列分析：分类、进展与展望》，是自监督学习时间序列分析领域的首篇全面综述。
顶尖期刊发表研究成果，填补时间序列SSL空白
IEEE TPAMI期刊由国际电气和电子工程师协会（IEEE）创办，是计算机视觉、模式识别和人工智能领域公认的顶尖国际期刊，五年平均影响因子26.7。该期刊是中国计算机学会（CCF）推荐的排名第一的A类期刊，也是中科院SCI一区TOP期刊，其谷歌指数（H-Index）在计算机科学和工程技术两个大类学科里均列首位。图灵奖得主杰弗里·辛顿Geoffrey Hinton, 杨立昆Yann Lecun, 约书亚·本吉奥Yoshua Bengio都曾在IEEE TPAMI发表过论文。此次松鼠Ai研究院在IEEE TPAMI发表论文，代表着其学术和创新能力再获业界权威机构认可。
自监督学习（Self-Supervised Learning，简称SSL）是一种机器学习方法，它的重要优点是能从大量未标记的数据中学习，而这些数据通常比标记数据更容易获得。SSL最近在各种时间序列任务上取得了令人瞩目的表现。然而，与许多已发表的关于计算机视觉和自然语言处理的SSL综述相比，关于时间序列SSL的全面综述仍然缺失。为了填补这个空白，《自监督学习时间序列分析：分类、进展与展望》回顾了当前针对时间序列数据的最先进的SSL方法。为此，文章首先全面回顾了与SSL和时间序列相关的现有综述，然后提供了一个新的时间序列SSL方法的分类，将之归纳为三类：基于生成的，基于对比的和基于对抗的。所有的方法都可以进一步分为十个子类别（如图）。为了便于时间序列SSL方法的实验和验证，文中还总结了通常用于时间序列预测、分类、异常检测和聚类任务的数据集。最后，文中讨论了时间序列分析的SSL的未来方向。
科研驱动，连接尖端学术与产业应用
值得一提的是，这篇论文是由松鼠Ai的合伙人、首席科学家及AI研究院负责人文青松博士领衔参与。文青松博士在人工智能领域享有盛誉，他曾两次荣获IJCAI最具影响力论文殊荣，并两度摘得AAAI部署应用奖。成立近十年来，松鼠Ai始终以科研创新作为核心驱动力，目前在北美已拥有27人的科学家团队，成员来自哈佛大学、麻省理工学院、斯坦福大学、佐治亚理工学院等顶尖学府，以及微软、亚马逊等知名科技公司。在教育AI领域，松鼠Ai始终走在连接学术和产业的一线，在顶尖学术会议及期刊上已发表超过60篇高质量论文，展现出深厚的学术底蕴和创新能力。此次论文再登顶刊，不仅有效提升了松鼠Ai在自监督学习时间序列分析领域的学术影响力和贡献度，也将有助于松鼠Ai教育大模型的不断升级。
目前，松鼠Ai已率先发布全球首个全学科智适应教育大模型（LAM），成功将智适应技术与多模态大模型相结合，在个性化学习服务方面实现了突破式迭代，并在教育领域实现了规模化的落地。结合时间序列SSL，可以进一步为大模型提供有效的预训练方法，提高模型的数据效率、表示学习能力和泛化能力，从而让大模型取得更好的应用性能。作为人工智能教育领域的佼佼者，松鼠Ai将持续推动技术与产业的深度结合与高效实施，引领教育进入全新的发展纪元。
