🤖 machine learning

FMMVCC: Fuzzy Mamba-based Multi-View Contrastive Clustering for Univariate Time Series

Este artículo presenta FMMVCC, un marco de agrupamiento profundo basado en Mamba que combina el modelado de secuencias de espacio de estados con el aprendizaje autosupervisado multivista para capturar eficientemente dependencias temporales de largo alcance en series temporales univariantes, logrando un rendimiento de vanguardia en 15 conjuntos de datos de referencia sin requerir etiquetas manuales.

Autores originales: Donato Cerciello, Leonardo Schiavo, Angel Panizo-LLedot, Javier Huertas Tato, David Camacho

Publicado 2026-07-09✓ Author reviewed ⓘ

📖 5 min de lectura🧠 Análisis profundo

CC0 1.0

Autores originales: Donato Cerciello, Leonardo Schiavo, Angel Panizo-LLedot, Javier Huertas Tato, David Camacho

Artículo original dedicado al dominio público bajo CC0 1.0 (http://creativecommons.org/publicdomain/zero/1.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que eres un bibliotecario intentando organizar una habitación masiva y caótica llena de miles de grabaciones de audio diferentes. Algunas son canciones, otras son cantos de aves y otras son solo estática. El problema es que no tienen etiquetas. No sabes qué son las grabaciones y no puedes pedirle a un humano que las escuche todas para escribir descripciones. Este es el mundo del Agrupamiento de Series Temporales No Supervisado (Unsupervised Time Series Clustering): intentar agrupar datos basándose en sus patrones sin que un maestro te diga las respuestas.

El artículo presenta una nueva herramienta llamada FMMVCC para resolver este problema. Así es como funciona, explicada mediante analogías sencores:

1. El problema con las herramientas antiguas

Los métodos tradicionales para clasificar estas "grabaciones" son como intentar comparar dos canciones escuchando únicamente los primeros cinco segundos. A menudo pierden la visión de conjunto o se confunden con patrones largos y complejos. Las herramientas más nuevas y potentes (como los Transformers) son como supercomputadoras que pueden escuchar la canción completa, pero son tan pesadas y lentas que tienen dificultades cuando la habitación se vuelve demasiado grande (demasiados datos).

2. El arma secreta: "Mamba"

Los autores eligieron un nuevo tipo de motor llamado Mamba. Piensa en Mamba como un bibliotecario altamente eficiente y selectivo.

La forma antigua: Un bibliotecario tradicional lee cada palabra de cada libro para encontrar un patrón, lo cual toma una eternidad.
La forma de Mamba: Mamba es inteligente. Sabe exactamente qué palabras importan y cuáles son solo ruido. Puede escanear una biblioteca masiva en tiempo lineal (lo que significa que si la biblioteca se duplica en tamaño, el trabajo solo se duplica, no explota). Esto le permite manejar secuencias de datos muy largas sin cansarse ni volverse lento.

3. El método de entrenamiento: "El juego de la venda en los ojos"

¿Cómo aprende la computadora a agrupar estas grabaciones sin etiquetas? El artículo utiliza una técnica llamada Aprendizaje Contrastivo Multivista (Multi-View Contrastive Learning). Imagina un juego del "teléfono descompuesto" o un ejercicio de entrenamiento para detectives:

La configuración: Tomas una grabación (una serie temporal).
El enmascaramiento: Creas varias "vistas" de ella. En algunas vistas, cubres (enmascaras) partes aleatorias de la grabación con estática. En otras, la aceleras, la ralentizas o le añades un poco de ruido de fondo.
El objetivo: Le muestras estas versiones diferentes y ligeramente dañadas a la IA. El trabajo de la IA es darse cuenta de: "¡Oye, aunque esta versión tiene estática y esa otra está acelerada, en realidad son la misma canción!".
El resultado: Al obligar a la IA a ver el "alma" de los datos a través de todos estos lentes diferentes y desordenados, aprende una comprensión muy fuerte y robusta de lo que realmente son los datos, ignorando el ruido y las partes faltantes.

4. El Sombrero Seleccionador Difuso

Una vez que la IA entiende los datos, necesita clasificarlos en montones (clústeres).

Métodos antiguos: Son como un juez estricto que dice: "Esta grabación pertenece solo al Grupo A". Pero, ¿qué pasa si una grabación suena un poco como el Grupo A y un poco como el Grupo B?
FMMVCC (El enfoque difuso): Utiliza un "Agrupamiento Difuso" (Fuzzy Clustering). Piensa en esto como un sombrero seleccionador que dice: "Esta grabación es 70% del Grupo A y 30% del Grupo B". Esto es crucial porque los datos del mundo real suelen ser desordenados y ambiguos. Permite que la IA maneje la incertidencia con elegancia en lugar de forzar una respuesta rígida.

5. Los resultados: El círculo de los ganadores

Los autores probaron este nuevo sistema en 15 "habitaciones" (conjuntos de datos) que contenían varios tipos de datos, desde latidos del corazón hasta precios de acciones.

El marcador: De 60 formas diferentes de medir el éxito, FMMVCC quedó en primer lugar 29 veces y tuvo el mejor rango promedio en general.
Por qué ganó: Fue mejor encontrando la verdadera estructura de los grupos (no solo adivinando basándose en similitudes superficiales) y fue mucho más estable que otros métodos.
Eficiencia: También demostraron que su bibliotecario "Mamba" es mucho más rápido y utiliza menos memoria que las supercomputadoras "Transformer", especialmente cuando los datos son muy largos.

Resumen

En resumen, FMMVCC es un sistema inteligente y eficiente que aprende a clasificar flujos de datos complejos y desordenados mediante:

El uso de un motor rápido y selectivo (Mamba) para leer patrones largos.
El entrenamiento de sí mismo mirando los mismos datos a través de muchos lentes "dañados" diferentes (Enmascaramiento Multivista) para aprender qué es lo que realmente importa.
El uso de un método de clasificación flexible (Agrupamiento Difuso) que admite cuando los datos son ambiguos, en lugar de forzar una elección rígida.

El artículo afirma que esto lo convierte en el actual campeón para organizar datos de series temporales no etiquetados, superando tanto a los métodos de la vieja escuela como a los modelos de aprendizaje profundo más nuevos y pesados.

Resumen Técnico: FMMVCC – Agrupamiento Contrastivo Multivista basado en Mamba Difuso para Series Temporales Univariantes

Planteamiento del Problema
La proliferación de dispositivos IoT y redes de sensores ha generado volúmenes masivos de datos de series temporales univariantes en dominios como la salud, los sistemas industriales y las ciudades inteligentes. Sin embargo, obtener datos etiquetados en estos entornos suele ser costoso o inviable, lo que requiere enfoques de aprendizaje no supervisado. Si bien el agrupamiento de series temporales es crucial para organizar los datos en grupos significativos, los métodos de agrupamiento profundo existentes enfrentan limitaciones significativas. Los métodos tradicionales (por ejemplo, K-means con DTW) luchan con la dinámica temporal compleja y de alta dimensión. Los enfoques de aprendizaje profundo, particularmente aquellos basados en Transformers, suelen sufrir de una complejidad computacional cuadrática respecto a la longitud de la secuencia, lo que los hace ineficientes para datos de gran escala o de secuencias largas. Además, muchos métodos actuales no logran manejar de manera robusta los datos faltantes o capturar dependencias de largo alcance de manera eficiente sin incurrir en altos costos computacionales.

Metodología
El artículo propone FMMVCC (Agrupamiento Contrastivo Multivista basado en Mamba Difuso), un marco de agrupamiento profundo diseñado para abordar estos desafíos a través de tres componentes principales:

Aprendizaje de Representación Basado en Mamba:
El marco utiliza codificadores Mamba, que emplean un modelo de espacio de estados (SSM) selectivo. A diferencia de las redes recurrentes o los Transformers, Mamba procesa secuencias con una complejidad temporal lineal ( $O(T)$ ) manteniendo la capacidad de modelar dependencias temporales de largo alcance. Esta arquitectura permite el procesamiento eficiente de series temporales largas sin los cuellos de botella computacionales asociados con los mecanismos de atención.
Aprendizaje de Representación Multivista con Máscara:
Para mejorar la robustez frente al ruido y los datos de sensores faltantes, el método genera múltiples vistas de cada serie temporal mediante aumentos temporales estocásticos (jittering, escalado, permutación) y enmascaramiento temporal. La estrategia de enmascaramiento simula patrones de ausencia realistas combinando caídas estructuradas (segmentos contiguos) y no estructuradas (puntos dispersos). Estas vistas son procesadas independientemente por codificadores dedicados.
Objetivos de Contraste y Reconstrucción:
La fase de preentrenamiento emplea un objetivo multitarea para aprender representaciones discriminativas:
- Reconstrucción Intra-vista: Los decodificadores reconstruyen la entrada original a partir de la representación latente de cada vista.
- Reconstrucción Cross-vista: Las representaciones latentes de una vista se utilizan para reconstruir las representaciones latentes de otras vistas para forzar la consistencia.
- Pérdida Contrastiva: Un objetivo contrastivo a nivel de instancia maximiza la similitud entre las representaciones de diferentes vistas de la misma muestra, mientras contrasta con otras muestras en el lote. Se utiliza una estrategia basada en mixup para generar ejemplos negativos más difíciles.
Ajuste Fino Orientado al Agrupamiento Difuso:
Tras el preentrenamiento, el modelo se somete a una etapa de ajuste fino para estructurar el espacio latente. Un mecanismo de agrupación temporal agrega las representaciones de la secuencia en vectores de longitud fija. Luego, se aplica un objetivo de agrupamiento difuso utilizando un softmax basado en la similitud de coseno sobre prototipos de clúster aprendibles. Este objetivo consta de tres términos:
- Entropía: Fomenta asignaciones de clúster más seguras.
- Balance: Mitiga el colapso de clústeres asegurando una utilización uniforme de los mismos.
- Separación: Promueve la diversidad entre los prototipos de clúster para mejorar la distancia inter-clúster.

Contribuciones Clave
Los autores identifican tres contribuciones primarias:

Aprendizaje de Representación Basado en Mamba: La introducción de un marco de agrupamiento profundo que aprovecha los codificadores Mamba para modelar dependencias de largo alcance con complejidad computacional lineal, ofreciendo una alternativa eficiente a los modelos basados en Transformer y RNN para datos secuenciales a gran escala.
Aprendizaje de Representación Multivista con Máscara: Una estrategia que genera vistas diversas mediante aumentos estocásticos y enmascaramiento temporal aleatorio. Esto permite al modelo aprender representaciones robustas invariantes a las perturbaciones temporales y a los datos faltantes, abordando la incertidumbre que los métodos de aumento deterministas suelen ignorar.
Aprendizaje de Representación Orientado al Agrupamiento: La integración de un objetivo de agrupamiento difuso en el proceso de aprendizaje de la representación. Este enfoque produce asignaciones de clúster suaves, permitiendo al modelo manejar patrones temporales ambiguos y mejorar la separabilidad de los clústeres en el espacio latente.

Resultados Experimentales
El marco fue evaluado en 15 conjuntos de datos de series temporales univariantes del UCR Time Series Archive. Su rendimiento se comparó contra cinco líneas base: TimeSeriesKMeans-DTW, HDBSCAN, FCACC, PG-Mamba y EMTC.

Rendimiento: FMMVCC logró el mejor rendimiento general en 29 de 60 evaluaciones métricas totales (a través de las métricas F1, NMI, ARI y RI) y obtuvo el rango promedio más alto (1.85) en todos los escenarios probados.
Robustez: El modelo demostró una estabilidad superior en comparación con otras líneas base de aprendizaje profundo como FCACC, que mostró una mayor variabilidad en su rendimiento.
Estudios de Ablación:
- Número de Vistas: Un análisis del número de vistas ( $N$ ) reveló que $N=4$ ofrece el equilibrio óptimo entre la riqueza de la representación y la eficiencia computacional; el rendimiento decae en $N=8$ debido al ruido redundante.
- Componentes de Pérdida: El análisis de sensibilidad confirmó que el peso de separación ( $\lambda_s$ ) mejora efectivamente la distancia inter-clúster, mientras que el peso de balance ( $\lambda_b$ ) mejora la compacidad intra-clúster.
- Direccionalidad del Codificador: Una comparación entre codificadores Mamba unidireccionales y bidireccionales mostró que la configuración unidireccional (causal) es superior, ya que la variante bidireccional causó caídas significativas en ARI (-12.04%) y NMI (-11.57%), probablemente debido a inconsistencias temporales introducidas a través de las vistas enmascaradas.
- Escalabilidad: El análisis de FLOPs confirmó que el codificador Mamba escala linealmente con la longitud de la secuencia ( $O(T)$ ), mientras que un codificador Transformer comparable exhibió un crecimiento cuadrático ( $O(T^2)$ ), validando la eficiencia del enfoque propuesto para secuencias largas.

Significancia y Reivindicaciones
El artículo afirma que FMMVCC representa un avance significativo en el agrupamiento de series temporales no supervisado al combinar eficazmente la eficiencia de tiempo lineal de los Modelos de Espacio de Estados con la robustez del aprendizaje contrastivo multivista. Los autores sostienen que su enfoque logra capturar dependencias temporales de largo alcance mientras maneja el ruido y los datos faltantes comunes en los entornos de IoT del mundo real. Al integrar un objetivo de agrupamiento difuso, el marco proporciona un mecanismo para lidiar con patrones temporales ambiguos que los métodos de agrupamiento rígido podrían tener dificultades para manejar.

Los autores concluyen que, si bien el marco está actualmente limitado a secuencias univariantes y carece de una interpretabilidad directa de las representaciones latentes, establece una base sólida para un agrupamiento de series temporales eficiente, escalable y robusto. Se identifica como trabajo futuro la extensión del marco a series temporales multivariantes para capturar correlaciones entre variables y la mejora de la explicabilidad de las características aprendidas.