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

Japanese

TS2Vecは、2022年に導入されたタイムシリーズ分類のための最も強力な自己監督の方法の1つです。 それはすべてのデータセットで再訓練されるように設計されています:自己監督のプレトレーニングは、線形探査に続きます。それ以来、フィールドは、データセット間で1つのエンコーダーを再利用する基礎モデルに向かって移動しました。しかし、TS2Vecは、タイムサンプルに直接動作し、再サンプルなしに変数長度の入力を受け入れますコンパクトなコボリュアルアーキテクチャを提供しています。我々は、エンコーダーが一度だけプレトレーニングされたときにこれらの特性が維持できるかどうかを尋ねます。

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