跳到正文
热点事件持续更新

EvoTSC 遗传编程时序分类模型提出

1 篇报道1 个报道来源10 小时前更新

先了解这件事

AI 综述

2026 年 11 月，Xuanhao Yang 等人在 arXiv 发表 EvoTSC 方法。该模型基于遗传编程，旨在自动演化轻量级特征学习模型，以解决时序分类中数据稀缺及高算力需求问题。 该方案采用多层程序结构嵌入先验知识，并利用定制的 Pareto 锦标赛选择策略提升泛化能力。在单变量数据集测试中，EvoTSC 在大多数对比里显著优于 11 种基准方法。

AI 根据报道生成 · 3 小时前更新

最新进展11月3日 13:00
EvoTSC：利用遗传编程演化时序分类特征学习模型

报道时间线

沿着报道，了解事件的不同侧面。

11月3日
  1. arXiv · ML
    EvoTSC：利用遗传编程演化时序分类特征学习模型

    EvoTSC 提出基于遗传编程的方法，自动演化轻量级特征学习模型以解决时序分类中标签数据稀缺和计算资源需求高的问题。 该方法采用多层程序结构嵌入专家先验知识，并使用定制的 Pareto 锦标赛选择策略以提升模型泛化能力。 在单变量时序分类数据集上，EvoTSC 在大多数对比中显著优于 11 种基准方法。

本事件热度走势

可比范围当前
8
可比范围峰值
811月3日 21:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。