基于神经架构搜索技术和轻量化Transformer的时间序列分类方法

本发明涉及人工智能技术领域，尤其涉及基于神经架构搜索技术和轻量化Transformer的时间序列分类方法，获取和预处理时间序列数据，生成包含时间、天气和温度特征的二维数据集，构建轻量化Transformer模型，包含时间特征提取、空间特征提取和空间残差提取模块，模型优化使用CMA算法和自适应全局剪枝技术，进行结构搜索和超参数优化，得到最优模型结构。训练步骤基于二维数据集和最优模型结构，执行模型训练，得到用于时间序列分类的训练完成模型，分类步骤基于训练完成模型，对输入的时间序列数据进行特征提取和分类预测，输出分类标签，通过创新的模型设计、优化策略和自适应机制，提高了时间序列分类的准确性和效率。