用于时间序列通道辨识的通道归一化
机器学习
2025-06-03 v1 人工智能
机器学习
摘要
通道可辨识性 (CID) 是指在时间序列 (TS) 建模中区分各个通道的能力。缺乏 CID 通常会导致对相同输入产生相同输出，而无视通道特定特征。本文强调了 CID 的重要性，并提出通道归一化 (CN)，一种简单而有效的归一化策略，通过为每个通道分配不同的仿射变换参数来增强 CID。我们进一步以两种方式扩展了 CN：1) 自适应 CN (ACN) 根据输入 TS 动态调整参数，提高了 TS 模型的适应性；2) 原型 CN (PCN) 引入了一组可学习的原型而非逐通道参数，使其适用于通道数量未知或可变的数据集，并便于在 TS 基础模型中使用。我们通过将 CN 及其变体应用于各种 TS 模型来证明其有效性，在非 CID 和 CID 模型上均取得了显著的性能提升。此外，我们从信息论角度分析了该方法成功的原因。代码可在 https://github.com/seunghan96/CN 获取。
引用
@article{arxiv.2506.00432,
title = {Channel Normalization for Time Series Channel Identification},
author = {Seunghan Lee and Taeyoung Park and Kibok Lee},
journal= {arXiv preprint arXiv:2506.00432},
year = {2025}
}
备注
ICML 2025