Траск: Снажна архитектура неуронске мреже за предвиђање временских серија

Траск је врста архитектуре неуронске мреже која је посебно дизајнирана за задатке предвиђања временских серија. Увели су га истраживачи из Гоогле-а 2019. године и од тада је широко прихваћен у области машинског учења за предвиђање временских серија.ӕӕКључна иновација Траск-а је употреба новог механизма пажње који се назива механизам „самопажње свесне времена“. , што омогућава моделу да се селективно фокусира на различите делове улазне временске серије приликом предвиђања. Ово омогућава Траску да ухвати сложене временске зависности у подацима и направи прецизнија предвиђања од других архитектура неуронских мрежа.ӕӕТраск такође користи комбинацију конволуционих и рекурентних неуронских мрежа (ЦНН и РНН) за обраду улазних временских серија, што му омогућава да ухвати и краткорочни и дугорочни обрасци у подацима. ЦНН се користе за издвајање локалних карактеристика из улазних података, док се РНН користе за моделирање временских зависности између карактеристика.ӕӕ Све у свему, Траск је моћан алат за задатке предвиђања временских серија и показало се да постиже стање најновији резултати на бројним референтним скуповима података.