ROMAN：卷积时间序列模型的多尺度路由算子

我们提出了 ROMAN（ROuting Multiscale representAtioN），一种用于时间序列的确定性算子，将时间尺度和粗时间位置映射到显式通道结构中，同时缩短序列长度。ROMAN 构建了一个抗混叠的多尺度金字塔，从每个尺度中提取固定长度窗口，并将它们堆叠为伪通道，从而产生标准卷积分类器可操作的紧凑表示。通过这种方式，ROMAN 为下游模型提供了一种控制归纳偏置的简单机制：它可以减少时间不变性，使时间池化隐式地具有粗位置感知能力，并通过通道混合暴露多尺度交互，同时通常通过缩短处理的时间轴来提高计算效率。我们对 ROMAN 算子进行了形式化分析，然后通过两种互补方式评估其影响：测量其作为四个代表性卷积分类器预处理步骤的作用——MiniRocket、MultiRocket、基于标准 CNN 的分类器和全卷积网络（FCN）分类器。首先，我们设计了合成时间序列分类任务，以分离粗位置感知、长程相关性、多尺度交互和完全位置不变性，结果表明 ROMAN 的行为与其预期机制一致，并且在类别信息依赖于标准池化卷积倾向于抑制的时序结构时最为有用。其次，我们在 UCR 和 UEA 档案的长序列子集上对相同模型进行了有无 ROMAN 的基准测试，结果表明 ROMAN 提供了一种实际有用的替代表示，其对准确率的影响取决于任务，但其对效率的影响通常是有利的。代码可在 https://github.com/gon-uri/ROMAN 获取。