热点事件观察中
研究者提出面向时间序列分类的双专家网络CADENCE
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
2026年9月30日，研究人员提出原生CPU双专家网络CADENCE，用于快速精准的时间序列分类。该网络通过解耦表征学习与自适应路由，在109个UCR数据集的3,270次评测中达到0.8864的平均准确率，仅次于HIVE-COTE 2.0且两者无统计显著差异。在计算效率方面，CADENCE在双核CPU上单数据集平均耗时仅17.53秒。目前，该研究的相关代码已正式开源。
AI 根据报道生成 · 3 小时前更新
最新进展9月30日 12:00
研究者提出原生CPU双专家网络CADENCE，兼具高准确率与低耗时，相关代码已开源。报道时间线
沿着报道，了解事件的不同侧面。
9月30日
- arXiv 机器学习CADENCE：面向快速精准时间序列分类的置信度自适应双专家网络
研究人员提出原生 CPU 双专家网络 CADENCE，通过解耦表征学习与自适应路由，实现快速精准的时间序列分类。在 109 个 UCR 数据集的 3,270 次评测中，CADENCE 达到 0.8864 的平均准确率，仅次于 HIVE-COTE 2.0 且无统计显著差异。其在双核 CPU 上单数据集平均耗时仅 17.53 秒，相关代码已开源。
本事件热度走势
当前热度 5·可比范围峰值 5（10月1日 12:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。