SwitchPFN：用于冻结上下文时间序列分类的共享切换动态

表格基础模型 (TFM) 为时间序列分类提供了一条有前途的途径，但其有效性取决于顺序数据如何转换为表格表示。现有的表示面临两个挑战：全局聚合可能会失去时间演化的顺序，而在独立拟合的坐标系中计算的特征在序列之间可能不具有一致的含义。因此，我们将 TFM 的表示设计本身视为一个问题：表示应保留局部时间转换，同时保持跨样本的共享特征定义。我们提出了 SwitchPFN，它从训练序列中学习共享的投影和状态码本，使局部动态算子和转换特征可以在样本之间直接进行比较。在评估的基准中，SwitchPFN 在评估的方法中实现了最高的平均准确度，相对最强的基线提高了 4.47%。消融研究、参数敏感性分析和减少训练数据实验进一步检查了表示的贡献、其主要设计选择以及标记数据有限时的行为。