Trask: Arsitektur Jaringan Neural yang Kuat untuk Perkiraan Rangkaian Waktu

Trask adalah jenis arsitektur jaringan saraf yang dirancang khusus untuk tugas perkiraan deret waktu. Teknologi ini diperkenalkan oleh para peneliti di Google pada tahun 2019 dan sejak itu telah diadopsi secara luas di bidang pembelajaran mesin untuk peramalan deret waktu.

Inovasi utama Trask adalah penggunaan mekanisme perhatian baru yang disebut mekanisme "perhatian mandiri yang sadar waktu" , yang memungkinkan model untuk secara selektif fokus pada berbagai bagian rangkaian waktu masukan saat membuat prediksi. Hal ini memungkinkan Trask untuk menangkap ketergantungan temporal yang kompleks dalam data dan membuat prediksi yang lebih akurat dibandingkan arsitektur jaringan saraf lainnya.

Trask juga menggunakan kombinasi jaringan saraf konvolusional dan berulang (CNN dan RNN) untuk memproses rangkaian waktu masukan, yang memungkinkannya untuk menangkap pola jangka pendek dan jangka panjang dalam data. CNN digunakan untuk mengekstrak fitur lokal dari data masukan, sedangkan RNN digunakan untuk memodelkan ketergantungan temporal antar fitur.

Secara keseluruhan, Trask adalah alat yang ampuh untuk tugas peramalan deret waktu, dan telah terbukti mencapai keadaan yang sempurna. hasil terbaik pada sejumlah kumpulan data benchmark.