Trask: Zaman Serisi Tahmini için Güçlü Bir Sinir Ağı Mimarisi

Trask, zaman serisi tahmin görevleri için özel olarak tasarlanmış bir tür sinir ağı mimarisidir. Google'daki araştırmacılar tarafından 2019 yılında tanıtıldı ve o zamandan beri zaman serisi tahmini için makine öğrenimi alanında geniş çapta benimsendi.

Trask'ın en önemli yeniliği, "zamana duyarlı öz-dikkat" mekanizması olarak adlandırılan yeni bir dikkat mekanizmasının kullanılmasıdır. Bu, modelin tahminlerde bulunurken girdi zaman serisinin farklı bölümlerine seçici olarak odaklanmasına olanak tanır. Bu, Trask'ın verilerdeki karmaşık zamansal bağımlılıkları yakalamasına ve diğer sinir ağı mimarilerine göre daha doğru tahminler yapmasına olanak tanır.

Trask ayrıca giriş zaman serisini işlemek için evrişimli ve tekrarlayan sinir ağlarının (CNN'ler ve RNN'ler) bir kombinasyonunu kullanır ve bu da onun yakalamasına olanak tanır. Verilerdeki hem kısa hem de uzun vadeli kalıplar. CNN'ler, giriş verilerinden yerel özellikleri çıkarmak için kullanılırken, RNN'ler, özellikler arasındaki zamansal bağımlılıkları modellemek için kullanılır.

Genel olarak, Trask, zaman serisi tahmin görevleri için güçlü bir araçtır ve durumu elde ettiği gösterilmiştir. Bir dizi kıyaslama veri kümesindeki son teknoloji sonuçları.