热点事件持续更新
研究者提出双流OSSE-LSTM小样本时间序列分类架构
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月，研究者在arXiv发布面向少样本时间序列分类的Dual-Stream OSSE-LSTM框架。该框架结合全尺度卷积与双向LSTM构建原型嵌入，并引入Counterfactual Integrated Gradients（C-IG）实现原型边界解释与测试期原型微调。在19个单变量UCR数据集的测试中，该方法准确率达到96.36%至96.72%，其最弱配置的表现仍优于对比基线取得的93.99%最高成绩。
AI 根据报道生成 · 2 小时前更新
最新进展10月5日 12:00
研究者提出结合反事实归因的双流OSSE-LSTM少样本时间序列分类架构。报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv 人工智能大规模高效标注时间序列分类：结合反事实归因的双流 OSSE-LSTM 架构
研究者提出面向少样本时间序列分类的 Dual-Stream OSSE-LSTM 框架，结合全尺度卷积与双向 LSTM 构建原型嵌入。该方法引入 Counterfactual Integrated Gradients（C-IG）实现原型边界解释与测试期原型微调。在 19 个单变量 UCR 数据集上，其准确率达 96.36%-96.72%，最弱配置仍优于对比基线的最高成绩 93.99%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。