Key points are not available for this paper at this time.
حظي مجال توقعات السلاسل الزمنية باهتمام كبير في السنوات الأخيرة، مما أدى إلى تطوير نماذج متقدمة مثل TimeSieve، التي تُظهر أداءً رائعًا. ومع ذلك، يكشف التحليل عن بعض المشاكل في الموثوقية، بما في ذلك الحساسية العالية للبذور العشوائية والاضطرابات الدقيقة في مدخلات الضوضاء. واعترافًا بهذه التحديات، نبدأ رحلة لتعريف مفهوم TimeSieve الموثوق (FTS)، وهو نموذج يقدم باستمرار تنبؤات موثوقة وقوية. لمعالجة هذه القضايا، نقترح إطارًا مبتكرًا يهدف إلى تحديد وتصحيح عدم الموثوقية في TimeSieve. تم تصميم إطارنا لتعزيز استقرار النموذج ومرونته، مما يضمن أن تكون مخرجاته أقل عرضة للعوامل المذكورة أعلاه. تؤكد التجارب فعالية إطارنا المقترح، مما يظهر تحسينًا في موثوقية سلوك النموذج. على المدى الطويل، نخطط لتوسيع نطاق تجاربنا لمزيد من التحقق من صحة وتحسين خوارزميتنا، مما يضمن موثوقية شاملة عبر نطاق واسع من السيناريوهات. في النهاية، نطمح لجعل هذا الإطار قابلًا للتطبيق لتعزيز موثوقية ليس فقط TimeSieve ولكن أيضًا طرق زمنية متقدمة أخرى، مما يسهم في تحسين موثوقية وقوة النمذجة الزمنية ككل.
دراسة Lai وزملائه (الأربعاء) لهذا السؤال.