本稿では、時系列磁気マップ学習のための構造認識メトリック関数である信号ダイス類似度係数（SDSC）を提案します。多くの既存の磁気地図学習方法は振幅に敏感であり、波形極性には不変であり、無限の尺度平均二乗誤差（MSE）などの距離ベースの目的関数を使用します。 SDSCは、ダイス類似度係数（DSC）に由来する符号化振幅の交差集合に基づいて時間信号間の構造的一致を定量化することによってこの問題を解決します。 SDSCは構造認識メトリックとして定義されていますが、1から減算してヘビサイド関数の微分可能な近似を適用して、勾配ベースの最適化のための損失関数として使用できます。また、SDSCとMSEを組み合わせて安定性を向上させ、必要に応じて振幅を維持するハイブリッド損失式も提案します。予測と分類ベンチマークの実験結果は、SDSCベースの事前トレーニングは、特にドメイン内および低資源シナリオでMSEよりも同等または改善されたパフォーマンスを達成することを示しています。この結果は,信号表現の構造的忠実度が意味的表現品質を改善し,構造認識メトリックを既存の距離ベースの方法の実行可能な代替として考慮すべきであることを示唆した。
