본 논문은 다변량 시계열(MTS) 데이터의 노드 분류를 위한 새로운 방법인 CS-DPMamba를 제안합니다. MTS 데이터는 다양한 분야에서 생성되며, 시간적 변화와 고차원 특징을 가지고 있어 장기 의존성과 유사성을 효과적으로 모델링하는 데 어려움이 있습니다. CS-DPMamba는 시간적 대조 학습 모듈을 사용하여 각 샘플의 동적 유사성을 얻고, FastDTW를 이용하여 유사성 행렬을 구성합니다. 이후, 양방향 특성을 고려하는 DPMamba를 적용하여 장단기 의존성을 포착하고, Kolmogorov-Arnold Network 기반 Graph Isomorphism Network를 활용하여 정보 상호작용을 완성하고 노드 분류를 수행합니다. 다양한 UEA MTS 데이터셋을 사용한 실험 결과, 제안된 방법이 지도 및 준지도 학습 환경 모두에서 우수한 성능을 보임을 확인했습니다.
