时间序列特征提取：多尺度微分方法提升模型性能

与LSTM-CNN不同的是，我们使用微分在不同的时间尺度上获取更多的信号，从而增加多个独立的分支来提取更多的特征。这种方法可以帮助模型更好地捕捉时间序列数据中的动态变化。通过在不同时间尺度上进行微分，我们可以获得不同速率的变化，从而提取更多的特征。这些独立的分支可以并行地处理不同时间尺度上的信号，并将它们的输出合并在一起，以获得更全面的特征表示。这种方法可以提高模型的性能，并且在处理时间序列数据时特别有效。