MSNet & LS‑Net: Skalierbare Multi‑Scale‑Netzwerke für Zeitreihenklassifikation

Eine neue Studie aus dem Bereich der Zeitreihenklassifikation (TSC) präsentiert zwei innovative Netzwerkarchitekturen, die die Leistungsfähigkeit von Modellen durch die Kombination mehrerer Skalen und Repräsentationen von Eingabedaten deutlich steigern. Das skalierbare, mehrstufige Convolutional-Framework integriert systematisch strukturierte, mehrfache Repräsentationen von univariaten Zeitreihen und eröffnet damit neue Möglichkeiten für robuste und effiziente Klassifikatoren.

Die beiden Hauptarchitekturen sind MSNet und LS‑Net. MSNet nutzt eine hierarchische Multi‑Scale‑Konvolution, die speziell auf Robustheit und probabilistische Kalibrierung ausgelegt ist. LS‑Net hingegen ist ein leichtgewichtiges Pendant, das für ressourcenbeschränkte Einsatzszenarien optimiert wurde, ohne dabei die Genauigkeit zu stark zu beeinträchtigen.

Ein weiteres Highlight der Arbeit ist die Anpassung von LiteMV – ursprünglich für multivariate Eingaben entwickelt – an univariate Signale mit mehreren Repräsentationen. Diese Anpassung ermöglicht eine Interaktion zwischen unterschiedlichen Repräsentationen und trägt zur Leistungsverbesserung bei.

Die Modelle wurden auf 142 Benchmark-Datensätzen getestet, wobei ein einheitlicher Experimentierprotokoll verwendet wurde. Die statistische Analyse (Critical Difference) bestätigt signifikante Unterschiede in der Leistung der Top‑Modelle. LiteMV erzielt die höchste durchschnittliche Genauigkeit, MSNet überzeugt mit der besten probabilistischen Kalibrierung (niedrigster Negative Log Likelihood), und LS‑Net bietet das optimale Verhältnis von Effizienz zu Genauigkeit.

Eine Pareto‑Analyse verdeutlicht, dass das multi‑Repräsentations‑Multi‑Scale‑Modell einen flexiblen Designraum bietet, der für Genauigkeits‑, Kalibrierungs‑ oder ressourcenorientierte Anwendungen angepasst werden kann. Diese Ergebnisse legen nahe, dass skalierbares Multi‑Repräsentations‑Multi‑Scale‑Learning ein vielversprechender und praktischer Ansatz für moderne Zeitreihenklassifikationsaufgaben ist.

Die Implementierung von MSNet und LS‑Net ist frei verfügbar und kann unter https://github.com/alagoz/msnet-lsnet-tsc eingesehen werden.