Mantis：面向用户友好时间序列分类的轻量级校准基础模型
机器学习
2025-02-24 v1 人工智能
机器学习
摘要
近年来，开发能够在 diverse downstream 任务上泛化的时间序列数据基础模型的 interest 不断增加。虽然已引入众多面向预测的基础模型，但面向时间序列分类的模型却稀缺。为填补这一空白，我们提出Mantis，这是一个基于Vision Transformer (ViT)架构的开源时间序列分类基础模型，使用对比学习方法进行预训练。我们的实验结果表明，Mantis在 backbone 冻结和微调两种情况下均优于现有基础模型，同时实现了最低的校准误差。此外，我们提出了若干适配器来处理多变量情形，降低内存需求并建模通道间相互作用。
引用
@article{arxiv.2502.15637,
title = {Mantis: Lightweight Calibrated Foundation Model for User-Friendly Time Series Classification},
author = {Vasilii Feofanov and Songkang Wen and Marius Alonso and Romain Ilbert and Hongbo Guo and Malik Tiomoko and Lujia Pan and Jianfeng Zhang and Ievgen Redko},
journal= {arXiv preprint arXiv:2502.15637},
year = {2025}
}