Navigasjon

  • Hopp til innhold
NTNU Hjemmeside NTNU Hjemmeside

ntnu.no

  • Studier
    • Studere på NTNU
    • Finn studieprogram
    • Søke opptak
    • Videreutdanning og deltid
    • Forkurs og oppfriskning
  • Studentliv
    • Student i Gjøvik
    • Student i Trondheim
    • Student i Ålesund
  • Forskning og innovasjon
    • Forskning
    • Innovasjon
    • Satsingsområder
    • Toppforskning
    • Ekspertlister
    • Ph.d.
  • Om NTNU
    • Fakulteter og institutter
    • Sentre
    • Bibliotek
    • Kart
    • Ledige stillinger
    • Arrangement
    • Nyheter
    • Kontakt oss
    • Om NTNU
  1. Ansatte

Språkvelger

English

Abdul Kazeem Shamba

Last ned pressefoto
Last ned pressefoto
Foto:

Abdul Kazeem Shamba

Stipendiat
Institutt for datateknologi og informatikk

abdulkks@stud.ntnu.no
251 Gamle fysikk Gløshaugen, Trondheim
Om Forskning Publikasjoner

Om

Kompetanseord

  • Applied Machine Learning
  • Big Data
  • Computer Vision
  • Contrastive Learning
  • Marine Robotics
  • Representation Learning

Forskning

  • Generating Realistic Underwater Images

Norwegian Research Center for AI Innovation (NorwAI)

NorwAI is the largest academic initiative on AI innovation in Norway. Hosted at NTNU in Trondheim, the center coordinates research and innovation activities among three universities, two research institutes and 11 companies.

Norwegian Open AI Lab (NAIL)

The Norwegian Open Artificial Intelligence Lab (NAIL) is a hub for research, education and innovation within AI. The center is hosted by the Faculty of Information Technology and Electrical Engineering at NTNU in Trondheim.

Publikasjoner

Divide and Contrast: Learning Robust Temporal Features without Augmentation

Divide and Contrast (Di-COT) is an unsupervised framework that avoids data augmentation and multiple encoder passes by contrasting informative substructures within a window rather than individual timesteps.

Learning by Shifting: Temporal View Construction for Time Series Contrastive Learning

We show that explicitly encoding temporal shift invariance through a simple, deterministic view construction is sufficient to learn strong representations for time series classification.

eMargin: Revisiting Contrastive Learning with Margin-Based Separation

We revisit previous contrastive learning frameworks to investigate the effect of introducing an adaptive margin into the contrastive loss function for time series representation learning.
  • Kronologisk
  • Etter kategori
  • Alle publikasjoner i Nasjonalt vitenarkiv (NVA)

2025

  • Shamba, Abdul Kazeem; Bach, Kerstin; Taylor, Gavin. (2025) Contrast All The Time: Learning Time Series Representation from Temporal Consistency.
    Vitenskapelig kapittel

Del av bok/rapport

  • Shamba, Abdul Kazeem; Bach, Kerstin; Taylor, Gavin. (2025) Contrast All The Time: Learning Time Series Representation from Temporal Consistency.
    Vitenskapelig kapittel

NTNU – Norges teknisk-naturvitenskapelige universitet

  • For ansatte
  • |
  • For studenter
  • |
  • Innsida
  • |
  • Canvas

Studere

  • Om studier
  • Studieprogram
  • Emner
  • Videreutdanning
  • Karriere

Aktuelt

  • Nyheter
  • Arrangement
  • Jobbe ved NTNU

Om NTNU

  • Om NTNU
  • Bibliotek
  • Strategi
  • Forskning
  • Satsingsområder
  • Innovasjon
  • Organisasjonskart
  • Utdanningskvalitet

Kontakt

  • Kontakt oss
  • Finn ansatte
  • Spør en ekspert
  • Pressekontakter
  • Kart

NTNU i tre byer

  • NTNU i Gjøvik
  • NTNU i Trondheim
  • NTNU i Ålesund

Om nettstedet

  • Bruk av informasjonskapsler
  • Tilgjengelighetserklæring
  • Personvern
  • Ansvarlig redaktør
Facebook Instagram Linkedin Snapchat Tiktok Youtube
Logg inn
NTNU logo