ConvTimeNet: نموذج عميق هرمي بالكامل مبني على التحويلات التلافيفية لتحليل السلاسل الزمنية متعددة المتغيرات

تصميم نماذج فعّالة لتمثيل السلاسل الزمنية يُعد أساسياً لتحليل السلاسل الزمنية. وقد استكشفت العديد من الدراسات السابقة أساليب نمذجة تمثيل السلاسل الزمنية، وحققت تقدماً ملحوظاً في هذا المجال. وعلى الرغم من فعاليتها، فإن هذه النماذج تفتقر إلى القدرة على التفاعل التكيفي مع الأنماط المحلية في الوحدات الأساسية المعتمدة زمنياً، كما أنها لا تتمكن من التقاط الاعتماديات متعددة المقاييس بين هذه الوحدات. بدلًا من الاعتماد على الأساليب الشائعة التي تستند إلى آليات الانتباه الذاتي (self-attention)، نقترح نموذج ConvTimeNet، وهو نموذج هرمي خالٍ تمامًا من العمليات الترابطية (convolutional-only) مصمم خصيصًا لتحليل السلاسل الزمنية. يُقدّم ConvTimeNet طبقة مُشَكَّلة بالبُقع (deformable patch layer) التي تُدرك الأنماط المحلية للوحدات الأساسية المعتمدة زمنياً بطريقة تكيفية ومستندة إلى البيانات. وباستناداً إلى الأنماط المحلية المستخلصة، تم تصميم كتل خالية تمامًا من العمليات الترابطية هرمية لالتقاط العلاقات الاعتمادية بين تمثيلات الوحدات الأساسية على مقاييس مختلفة. علاوة على ذلك، تم استخدام آلية قُطْر كبير (large kernel mechanism) لضمان إمكانية تجميع كتل الترابط بشكل عميق، مما يُحقق مجال استقبال أعرض. وبهذه الطريقة، يمكن نمذجة الأنماط المحلية والعلاقات الاعتمادية متعددة المقاييس بشكل فعّال ضمن نموذج واحد. أظهرت تجارب واسعة المدى، تشمل مقارنة بين مجموعة متنوعة من النماذج المختلفة، أن النماذج الخالية تمامًا من العمليات الترابطية لا تزال تُظهر قابلية قوية، وتمكّن من معالجة التحديين المذكورين فعّالاً، وتُظهر أداءً متفوّقاً عبر عدة مهام. يُتاح الكود لضمان إمكانية إعادة التكرار.