دقة وتنوع في عينات التسلسلات بناءً على هدف عينة "الأفضل من بين العديد"

لضمان نجاح الوكلاء الذاتيين في العمل في العالم الحقيقي، يعد التوقع المسبق للأحداث والحالات المستقبلية لمحيطهم مهارة أساسية. تم صياغة هذه المشكلة كمشكلة استكمال سلسلة زمنية، حيث يتم استخدام عدد من المشاهدات للتنبؤ بالسلسلة الزمنية في المستقبل. تتطلب السيناريوهات الحقيقية نموذجاً للاحتمالية المرتبطة بهذه التنبؤات، حيث تزداد عدم اليقين مع مرور الوقت - وخاصة على الأفق الزمني الطويل. رغم إظهار نتائج مثيرة للإعجاب في التقديرات النقطية، فإن السيناريوهات التي تثير توزيعات متعددة الوضعيات على السلسلة الزمنية المستقبلية لا تزال تحدياً. يتناول عملنا هذه التحديات في نموذج متغير خفي غاوسي (Gaussian Latent Variable) للتنبؤ بالسلسلة الزمنية. المساهمة الأساسية لدينا هي هدف عينة "أفضل العديد" (Best of Many) الذي يؤدي إلى تنبؤات أكثر دقة ومتنوعة، مما يلتقط بشكل أفضل التباينات الحقيقية في بيانات السلسلة الزمنية الواقعية. بالإضافة إلى تحليلنا لتحسين مطابقة النموذج، فإن نماذجنا أيضاً تتفوق عملياً على الأعمال السابقة في ثلاث مهمات متنوعة تتراوح بين مشاهد المرور وبيانات الطقس.