연구진이 시간 시계열 데이터에서 생성적 방식과 잠재적 정렬 방식의 자가 지도 학습(SSL) 배당금을 비교 분석했어요. 생성적 방식은 이상 탐지 및 분류에서 최대 375% 성능 향상을 보였지만, 예측에서는 미미한 효과를 보였어요.
시간 시계열 데이터의 대표성 활용은 작업의 요구 사항과 일치해야 하며, 특정 신호 해상도의 정밀성과 불변성 간의 균형을 맞춰야 한다는 점을 확인했어요.
모델 품질은 데이터 출처에 크게 의존하지 않으며, 적당한 깊이에서 포화되는 경향이 있어 대규모 합성 데이터 생성을 통해 확장 가능성을 확인했어요.