摘要

在过去十年中，多变量时间序列分类受到了广泛关注。我们提出通过在全卷积块中增加一个挤压-激励（Squeeze-and-Excitation, SE）块，将现有的单变量时间序列分类模型——长短期记忆全卷积网络（LSTM-FCN）和注意力长短期记忆全卷积网络（ALSTM-FCN）——转化为多变量时间序列分类模型，以进一步提高准确性。我们的模型在需要最少预处理的情况下，性能超过了大多数现有最先进的模型。所提出的模型在各种复杂的多变量时间序列分类任务中表现出高效性，例如活动识别或动作识别。此外，这些模型在测试时具有很高的效率，并且体积足够小，可以在内存受限的系统上部署。