Newest papers

Turning TS2Vec into a Foundation Model for Time Series Classification

Vasilii Feofanov, Zhenghan Tai, Andrei Ermakov, Irina Rish · 2026 · arXiv

DOI: 10.48550/arXiv.2610.28602 · open-access PDF

Arabic

TS2Vec هو واحد من أقوى طرق التحكم الذاتي لتصنيف سلسلة البيانات، التي تم إدخالها في عام 2022، وقد تم تصميمه لتدريبًا جديدًا على كل مجموعة البيانات: تدريبًا إرشاديًا إرشاديًا، ثم تدريبًا إرشاديًا إرشاديًا. منذ ذلك الحين، انتقلت المجال نحو النماذج الأساسية التي تستخدم إرشاديًا واحدًا على مجموعة البيانات. ومع ذلك، توفر TS2Vec تصميمًا إرشاديًا صناعيًا يعملًا مباشرة على العينات الزمنية ويستطيع الحصول على إرشادات طويلة المدى دون إرشادات إرشادية أخرى. نسأل ما إذا كان يمكن الحفاظ على هذه الخصائص

Machine translation (Meta M2M100); the English original follows.

Abstract

TS2Vec is one of the strongest self-supervised methods for time series classification, introduced in 2022. It is designed to be trained anew on every dataset: self-supervised pre-training followed by linear probing. Since then, the field has shifted towards foundation models that reuse one encoder across datasets. Yet TS2Vec offers a compact convolutional architecture that operates directly on temporal samples and accepts variable-length inputs without resampling. We ask whether these properties can be retained when the encoder is pre-trained only once, and show that they can: TS2Vec can essen

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange