نطور نهجًا بيزانيًا لتعلم البيانات التسلسلية باستخدام عمليات جاوسية (GPs) مع ما يُعرف بالكيرنلات التوقيعية كدوال تباين. هذا يسمح بجعل التسلسلات ذات الأطوال المختلفة قابلة للمقارنة والاستناد إلى نتائج نظرية قوية من تحليل العشوائيات. توفر التوقيعات هيكلًا تسلسليًا باستخدام موترات قد لا تكون ملائمة في طول التسلسل وابعاد الفضاء الحالة. للتعامل مع هذا، نقدم نهجًا متغيرًا مُنْدَثِرًا مع موترات إندوكينغ (inducing tensors). ثم نجمع العملية الجاوسية الناتجة مع LSTM و GRU لبناء نماذج أكبر تستفيد من نقاط القوة لكل من هذه الأساليب وتقييم النماذج الجاوسية الناتجة على مجموعات بيانات تصنيف السلاسل الزمنية المتعددة المتغيرات (TS). الكود متاح على الرابط: https://github.com/tgcsaba/GPSig.