本研究探讨了数据增强对多变量时间序列模型性能的影响，使用Rocket和InceptionTime模型在13个数据集中实现了分类准确度的提升。强调了充足数据在训练有效模型中的重要作用，并为解决时间序列分析中的数据稀缺性设立了新标准。同时，强调多样化的增强策略对于发掘模型潜力至关重要。通过数据丰富可以提高模型准确度，强调了在有限数据可用性情况下采用多样化增强方法的重要性。

研究探讨了数据增强对多变量时间序列模型性能的影响，使用Rocket和InceptionTime模型在13个数据集中提升了分类准确度。研究强调了充足数据和多样化增强策略的重要性，战略性的数据丰富可以提高模型准确度。此研究设立了新标准，并强调了在有限数据可用性情况下采用多样化增强方法的重要性。