الشبكات العصبية للانتباه متعددة الفترات الزمنية للسلسلة الزمنية ذات العينات غير المنتظمة

تُعد العينات غير المنتظمة من المشكلات الشائعة في تطبيقات نمذجة السلاسل الزمنية، حيث تمثل تحديًا كبيرًا للنماذج العميقة القياسية. يُحفَّز هذا العمل على تحليل بيانات السلاسل الزمنية الفسيولوجية المُستخلَصة من السجلات الصحية الإلكترونية، التي تتميز بندرة البيانات، وعينات غير منتظمة، ومتعددة المتغيرات. في هذه الورقة، نقترح إطارًا جديدًا للتعلم العميق لهذا السياق نسميه "شبكات الانتباه متعددة الأزمنة" (Multi-Time Attention Networks). تتعلم شبكة الانتباه متعددة الأزمنة تمثيلًا للقيم المستمرة الزمنيًا، وتستخدم آلية الانتباه لإنتاج تمثيل ثابت الطول لسلسلة زمنية تحتوي على عدد متغير من الملاحظات. ونُجري دراسة أداء هذا الإطار في مهام الاستيفاء والتصنيف باستخدام عدة مجموعات بيانات. تُظهر النتائج أن النهج المقترح يُحقق أداءً مماثلًا أو أفضل من مجموعة من النماذج الأساسية والمقترحة حديثًا، مع توفير أوقات تدريب أسرع بشكل ملحوظ مقارنةً بالأساليب الحالية المتميزة في مجالها.