TopTimeNet

TopTimeNet模型解耦特征提取，实现高效时间序列分类

研究人员开发了TopTimeNet，这是一种新颖的时间序列分类模型，它将特征提取与学习过程分离开来。该方法利用来自Takens延迟嵌入和持久同调的固定几何和拓扑描述符，然后进行一个轻量级的可学习分类阶段。TopTimeNet在参数数量显著减少的情况下，实现了与大型卷积神经网络和Transformer模型相当的准确性，展示了一种区分周期性和混沌动力学更有效的方法。