SM-TCN: شبكة الالتفاف المتناثر متعددة الدقة للتنبؤ بكفاءة في بيانات السلاسل الزمنية عالية الأبعاد

لقد كان التنبؤ ببيانات السلاسل الزمنية عالية الأبعاد مشكلة شائعة في السنوات الأخيرة، مع تطبيقات شائعة في المجالات العلمية والتجارية. قد تحتوي المجموعات الحديثة من البيانات على آلاف السلاسل الزمنية المتصلة التي تتطور معًا، ويمكن أن يؤدي التعرف الصحيح على الأنماط المتصلة ونمذجة العلاقة بين السلاسل إلى تحسين دقة التنبؤ بشكل كبير. ومع ذلك، فإن معظم الأساليب الإحصائية غير كافية للتعامل مع السلاسل الزمنية المعقدة بسبب انتهاك افتراضات النموذج، ومعظم أساليب التعلم العميق الحديثة في الأدبيات إما أحادية المتغير (لا تستفيد تمامًا من المعلومات بين السلاسل) أو مكلفة حسابيًا. تقدم هذه الورقة SM-TCN، وهي شبكة شبكة مؤقتة متفرقة متعددة النطاقات، تستخدم هيكلًا متبقيًا للأمام والخلف مع نوى TCN متفرقة بطول مختلف لاستخراج خصائص متعددة الدقة، مما يقلل بشكل كافٍ من التعقيد الحسابي خاصة لمشاكل عالية الأبعاد. أظهرت التجارب الواسعة على بيانات حقيقية أن SM-TCN تتفوق على الطرق الحديثة بنسبة 10% في MAE و MAPE، بالإضافة إلى ميزة الكفاءة العالية في الحساب.