排列等变 2D 状态空间模型:理论与多变量时间序列的标准架构
机器学习
2026-03-11 v1 人工智能
机器学习
摘要
多变量时间序列 (MTS) 的建模常在变量上隐式施加人工排序,违反了许多真实系统中不存在标准变量轴这一固有的可交换性。我们将这一限制形式化为违反置换对称性原理,并要求状态空间动力学在变量轴上实现置换等变。本文在该对称约束下,对线性变量耦合的完整标准形式进行了理论刻画。我们证明,任何置换等变的线性 2D 状态空间系统天然分解为局部自动力学与全局池化相互作用,使得沿变量轴的有序递推不仅不必要且在结构上次优劣。基于这一理论基础,我们引入了变量不变二维状态空间模型 (VI 2D SSM),通过置换不变聚合实现标准等变形式。该表述消除了变量轴上的序列依赖链,将依赖深度从 降至 ,并将稳定性分析简化为两个标量模式。进而,我们提出 VI 2D Mamba,集成多尺度时序动力学与频谱表示的统一架构。大量实验在预测、分类和异常检测基准上表明,我们的模型以卓越的结构可扩展性实现了状态-of-the-art 性能,验证了保持对称性的 2D 建模在理论上的必要性。
引用
@article{arxiv.2603.08753,
title = {Permutation-Equivariant 2D State Space Models: Theory and Canonical Architecture for Multivariate Time Series},
author = {Seungwoo Jeong and Heung-Il Suk},
journal= {arXiv preprint arXiv:2603.08753},
year = {2026}
}