過去10年間、多変量時系列分類は大きな注目を集めています。本研究では、既存の単変量時系列分類モデルである長短期記憶フルコンボリューショナルネットワーク（LSTM-FCN）と注意機構付きLSTM-FCN（ALSTM-FCN）を、完全コンボリューショナルブロックにスクリーズ・アンド・エキサイテーションブロックを追加することで、多変量時系列分類モデルへと変換し、精度のさらなる向上を目指します。提案したモデルは、最小限の前処理を必要としながら、多くの最先端モデルを上回る性能を示しました。提案したモデルは、活動認識や動作認識などの複雑な多変量時系列分類タスクにおいて効率的に動作します。さらに、提案したモデルはテスト時に非常に効率的であり、メモリ制約のあるシステムにも展開可能なほど小型です。