VSFormer：基于先验增强自注意力的价值和形状感知变换器用于多元时间序列分类

本研究针对多元时间序列分类中存在的显著模式发现难题，提出了一种新颖的方法VSFormer，该方法结合了形状特征和数值信息。研究表明，通过提取特定类别的先验信息增强位置编码以及分类导向的自注意力学习，VSFormer在30个UEA数据集上达到了超越现有最优模型的性能。