RTSM递归模型在多变量时间序列分类中的性能突破
热点事件持续更新
RTSM递归模型在多变量时间序列分类中的性能突破
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
arXiv新发布的报告展示了递归变换模型RTSM在多变量时间序列分类领域的最新进展。该模型通过在UEA数据集上的测试，实现了72.81%的平均准确率，优于现有模型MambaSL 1.60个百分点。技术核心在于采用了可学习卷积时间标记器与单状态权重绑定机制，使得模型参数数量与计算深度解耦。消融实验进一步证实，所提出的标记器性能优于简单卷积嵌入，且单状态模型效果优于双状态变体。
AI 根据报道生成 · 6 小时前更新
最新进展10月19日 12:00
RTSM 递归模型适配多变量时间序列分类报道时间线
沿着报道，了解事件的不同侧面。
10月19日
- arXiv · MLRTSM 递归模型适配多变量时间序列分类
RTSM 在 UEA 30 个数据集上实现 72.81% 平均准确率，比 MambaSL 高 1.60 个百分点。 模型采用可学习卷积时间标记器与单状态权重绑定精化，参数数量与计算深度无关。 消融实验证实所提标记器优于简单卷积嵌入，单状态模型优于双状态变体。
本事件热度走势
- 可比范围当前
- 8
- 可比范围峰值
- 910月19日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:0017:0018:0019:00
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。