无反向传播学习规则首次系统评估：时序分类精度仍落后主流方法

Miha Kapš 等人在 arXiv 论文（arXiv:2610.41805）中，将 DFA、DRTP 和 NoProp 三种免反向传播学习规则适配到一维卷积架构，并在 UCR 时间序列档案的 112 个数据集上完成首次系统评估。结果为：三种方法平均 F1 为 0.76–0.79，低于 ROCKET 的 0.83 和 InceptionTime 的 0.84。 论文称 DRTP 可减少 33% 的训练浮点运算量，但仅在序列长度约 700 个时间步以上时训练更快。评估中每种方法使用一个经超参数优化的配置。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。