Trask: Erőteljes neurális hálózati architektúra idősoros előrejelzéshez

A Trask egyfajta neurális hálózati architektúra, amelyet kifejezetten idősoros előrejelzési feladatokhoz terveztek. A Google kutatói 2019-ben vezették be, és azóta széles körben elterjedt a gépi tanulás területén az idősoros előrejelzéshez. A Trask legfontosabb innovációja az „idő-tudatos önfigyelem” mechanizmusnak nevezett új figyelemmechanizmus alkalmazása. , amely lehetővé teszi a modell számára, hogy az előrejelzések készítésekor szelektíven a bemeneti idősor különböző részeire összpontosítson. Ez lehetővé teszi a Trask számára, hogy rögzítse az adatok összetett időbeli függőségeit, és pontosabb előrejelzéseket készítsen, mint más neurális hálózati architektúrák.

A Trask konvolúciós és ismétlődő neurális hálózatok (CNN-ek és RNN-ek) kombinációját is használja a bemeneti idősorok feldolgozásához, ami lehetővé teszi a rögzítést. mind rövid, mind hosszú távú mintázatok az adatokban. A CNN-ek a helyi jellemzők kinyerésére szolgálnak a bemeneti adatokból, míg az RNN-ek a jellemzők közötti időbeli függőségek modellezésére szolgálnak.

Összességében a Trask hatékony eszköz az idősoros előrejelzési feladatokhoz, és kimutatták, hogy eléri a megfelelő állapotot. a legkorszerűbb eredményeket számos benchmark adatkészleten.