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

Cette recherche introduit Soft-MSM, une nouvelle perte d'alignement élastique différentiable pour les séries temporelles, basée sur la distance Move-Split-Merge (MSM). Soft-MSM corrige la limitation de Soft-DTW en intégrant des coûts de transition sensibles au contexte, le rendant adapté à l'optimisation basée sur le gradient dans les tâches d'apprentissage automatique comme la classification et le clustering.