Soft-MSM: Differentiable Context-Aware Elastic Alignment for Time Series

Diese Forschung stellt Soft-MSM vor, einen neuartigen differenzierbaren elastischen Ausrichtungsverlust für Zeitreihen, der auf der Move-Split-Merge (MSM)-Distanz basiert. Soft-MSM behebt die Einschränkung von Soft-DTW, indem es kontextsensitive Übergangskosten integriert, was es für gradientenbasierte Optimierung in maschinellen Lernaufgaben wie Klassifizierung und Clustering geeignet macht.