الانتباه الذاتي الزمني الخفيف لتصنيف سلاسل صور الأقمار الصناعية الزمنية

تُتيح التقارير المتزايدة في إمكانية الوصول والدقة للبيانات المستمدة من الأقمار الصناعية المراقبة للأرض فرصًا كبيرة لكل من الجهات الصناعية والحكومية. ومع ذلك، يتطلب ذلك طرقًا فعّالة قادرة على معالجة السلاسل الزمنية على نطاق عالمي. بالبناء على الأبحاث الحديثة التي استخدمت آليات الانتباه الذاتي متعددة الرؤوس لتصنيف التسلسلات الزمنية المستمدة من الاستشعار عن بعد، نقترح تعديلًا لمحول الانتباه الزمني (Temporal Attention Encoder). في شبكتنا، يتم توزيع قنوات المدخلات الزمنية بين عدة رؤوس انتباه مدمجة تعمل بالتوازي. وتكشف كل رأس عن ميزات زمنية متخصصة للغاية، والتي تُدمج بعدها في تمثيل وحيد. ويتفوق نهجنا على خوارزميات تصنيف السلاسل الزمنية من المستوى الرائد الأخرى على مجموعة بيانات صور أقمار صناعية مفتوحة المصدر، مع استخدام عدد أقل بشكل ملحوظ من المعاملات، وخفض في التعقيد الحسابي.