我想使用 CNN 架构对多元时间序列进行分类，我们将一个标签应用于每个序列。我在网上搜索了文献中可用的设计，并找到了以下选项。假设每个 MV 时间序列$\mathbf{S}$定义在$\mathcal{R}^{n \times t}$, 其中 n 是维数和$t$是序列的长度：

1. 对待每一个$\mathbf{S}$作为一个$n \times T$图像作为 CNN 的输入。
2. 采用$n$大小分开的输入通道$1 \times T$并为此类输入应用带有 1D 卷积过滤器的 CNN。
3. 使用$n$单独的 CNN，每个 CNN 都与$\mathbf{S}$并将它们提取的特征组合为全连接层的输入。

所以，我想知道对于这种类型的数据是否有更有效的架构建议

此外，由于通常不同时间序列的序列长度之间存在不一致，是否有任何明智的解决方案建议？