SCINet: نمذجة وتنبؤ السلاسل الزمنية باستخدام التجميع العيني والتفاعل

إحدى الخصائص الفريدة للسلسلة الزمنية هي أن العلاقات الزمنية تبقى محفوظة بشكل كبير بعد التقليل (downsampling) إلى سلسلتين فرعيتين. استغلالًا لهذه الخاصية، نقترح هندسة شبكة عصبية جديدة تقوم بالالتفاف (convolution) والتفاعل بين العينات لنمذجة وتنبؤ السلسلة الزمنية، وقد أطلقنا عليها اسم SCINet. تحديدًا، SCINet هي هندسة متكررة للتقليل والالتفاف والتفاعل. في كل طبقة، نستخدم عدة مرشحات التفافية لاستخراج خصائص زمنية متميزة ومعتبرة من السلاسل الفرعية المقلصة أو الخصائص. من خلال الجمع بين هذه الخصائص الغنية التي تم جمعها من دقة متعددة، يُمكن لـ SCINet نمذجة السلسلة الزمنية ذات الديناميكيات الزمنية المعقدة بكفاءة عالية. تظهر النتائج التجريبية أن SCINet حققت تحسينات كبيرة في دقة التنبؤ مقارنة بالأنماط الالتفافية الحالية وحلول القائمة على الـ Transformer عبر مجموعة متنوعة من قواعد بيانات التنبؤ بالسلاسل الزمنية الحقيقية. يمكن الوصول إلى شفرتنا البرمجية وبياناتنا من الرابط التالي: https://github.com/cure-lab/SCINet.