Обсуждение статьи "Нейросети — это просто (Часть 85): Многомерное прогнозирование временных рядов"

[MetaQuotes]

Опубликована статья Нейросети — это просто (Часть 85): Многомерное прогнозирование временных рядов:

В данной статье хочу познакомить вас с новым комплексным методом прогнозирования временных рядов, который гармонично сочетает в себе преимущества линейных моделей и трансформеров.

Основная идея Client состоит в переходе от внимания во времени к анализу зависимостей между переменными и интегрировании линейного модуля в модель, чтобы лучше использовать зависимости переменных и информацию о тенденциях соответственно.

Авторы метода Client творчески подошли к решению задачи прогнозирования временных рядов. С одной стороны, в предложенном алгоритме мы встретим уже знакомые нам подходы. С другой стороны, в нем отвергаются, казалось бы, уже устоявшиеся методы. При этом, включение или исключение каждого отдельного блока в алгоритм сопровождается рядом тестов. На которых демонстрируется целесообразность принятого решения с точки зрения эффективности модели.

Для решения проблемы смещения распределения авторы метода используют обратимую нормализацию с симметричной структурой (RevIN), с которой мы познакомились в предыдущей статье. С её помощью сначала удаляется из исходных данных статистическая информация временного ряда. А после обработки моделью и получения прогнозных значений, в них восстанавливается статистическая информация исходного временного ряда, что в целом позволяет повысить стабильность обучения модели и качество прогнозных значений временного ряда.

Автор: Dmitriy Gizlyk

[Aleksey Vyazmikin]

Спасибо за труд!

Вы написали уже довольно много статей, Ваш багаж знаний растёт быстрей, чем я успеваю знакомиться с его продуктом.

Не планируете написать обзорную статью, в которой вкратце выразите своё мнение о методах, которые Вы описывали, поделитесь опытом применения того или иного метода?