TS2Vec-FM：TS2Vec 改造为分类基础模型

Vasilii Feofanov 等作者提出 TS2Vec-FM，通过三项改动把 TS2Vec 转为单次预训练的时间序列分类基础模型：在合成语料上预训练、用两个小型 stem 分别输入原始振幅视图与实例归一化形状视图、将每个视图的专家编码器蒸馏进单一编码器。 作者称，TS2Vec-FM 是一个 1.6M 参数的膨胀卷积网络，冻结后在线性探测下于 UCR-128 达到 83.3%、UEA-27 达到 75.3%，与当前最优的 MantisV2 相差 0.3 个百分点以内，并高于在每个目标数据集上单独训练的 TS2Vec。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。