MambaSL：時系列分類のためのシングルレイヤーMambaの探究

arXiv cs.LG / 2026/4/17

📰 ニュースIdeas & Deep AnalysisModels & Research

共有:

要点

この論文は、時系列分類（TSC）に特化して、単一層Mambaの選択的なステートスペースモデル要素と射影層を最小限に再設計するフレームワーク「MambaSL」を提案しています。
Mambaが多様なシーケンス領域で成果を上げている一方で、TSCに対する単体での有効性が十分に検証されていなかったというギャップを埋めることが主な動機です。
ベンチマークの不備（限定的な設定、UEAデータセットのカバー範囲不足、再現性の課題）に対処するため、著者らは20の強力なベースライン手法を全30のUEAデータセットで統一プロトコルにより再評価しています。
その結果、MambaSLは再評価したベースラインに対して統計的に有意な平均改善を示し、最先端（SOTA）の性能を達成したと報告されています。
再現性については、評価したすべてのモデルの公開チェックポイントを提供し、さらに可視化も含めてMambaベースのアーキテクチャがTSCの基盤（バックボーン）になり得ることを示しています。

Abstract

近年、Mambaのような状態空間モデル（SSM）がさまざまなシーケンス領域で進展を遂げているにもかかわらず、時系列分類（TSC）における単体としての能力に関する研究は限られたままです。そこで本研究では、4つのTSC固有の仮説に導かれ、単層Mambaの選択的SSMおよび射影層を最小限に再設計する枠組みであるMambaSLを提案します。ベンチマーク上の制限――すなわち、制限された構成、部分的なUniversity of East Anglia（UEA）データセットのカバレッジ、ならびに十分に再現可能ではないセットアップ――に対処するため、統一されたプロトコルのもとで、30のUEAデータセットすべてに対して20の強力なベースラインを再評価します。その結果、MambaSLは統計的に有意な平均改善によって最先端の性能を達成し、評価したすべてのモデルに対して公開チェックポイントを通じて再現性を確保します。さらに、可視化とともにこれらの結果は、MambaベースのアーキテクチャがTSCバックボーンとして機能し得る可能性を示しています。