الوصف
FEDformer، وهو اختصار لـ Frequency Enhanced Decomposed Transformer (المحول المُفكك المُعزز بالترددات)، هو نموذج ذكاء اصطناعي متقدم مصمم خصيصًا للتنبؤ بالسلاسل الزمنية طويلة الأجل. تم تطويره بواسطة الباحثين Tian Zhou و Ziqing Ma وزملائهم، وتم تقديمه في المؤتمر الدولي التاسع والثلاثين للتعلم الآلي (ICML 2022). يكمن الابتكار الأساسي لـ FEDformer في بنيته المُفككة المُعززة بالترددات، والتي تسمح له بمعالجة بيانات السلاسل الزمنية بتعقيد خطي بالنسبة لطول التسلسل. هذا تحسن كبير مقارنة بالمحولات القياسية، التي تظهر عادةً تعقيدًا تربيعيًا، مما يجعلها مكلفة حسابيًا للتسلسلات الطويلة.
قراءة المزيد
تم التحقق من فعالية النموذج من خلال دراسات تجريبية على ست مجموعات بيانات قياسية. تُظهر هذه الدراسات أن FEDformer يتفوق باستمرار على الطرق الحالية المتطورة. على وجه التحديد، أظهر القدرة على تقليل أخطاء التنبؤ بمتوسط 14.8٪ للسلاسل الزمنية متعددة المتغيرات و 22.6٪ للسلاسل الزمنية أحادية المتغير. هذه الدقة والكفاءة المحسّنة تجعل FEDformer أداة قوية للتطبيقات التي تتطلب تنبؤات دقيقة طويلة الأجل.
تتضمن بنية FEDformer آليات Frequency Enhanced Block (FEB) و Frequency Enhanced Attention (FEA)، وهي ضرورية لالتقاط الأنماط الزمنية المعقدة عبر مجالات تردد مختلفة. يتم استضافة المشروع على GitHub، مما يوفر الوصول إلى الكود المصدري، وسكربتات التجارب، والمتطلبات اللازمة للتثبيت والتنفيذ. يمكن للمستخدمين تدريب النموذج عن طريق اتباع السكربتات المقدمة للتجارب متعددة المتغيرات وأحادية المتغير. يتضمن المشروع أيضًا ملف README شاملًا يفصل معلومات التثبيت والاستخدام والاستشهاد.
يشمل الجمهور المستهدف لـ FEDformer الباحثين وعلماء البيانات والمهندسين العاملين في مجالات مثل التنبؤ المالي، والتنبؤ بالطقس، وتحليل استهلاك الطاقة، وأي مجال يعتمد على تنبؤات دقيقة للسلاسل الزمنية طويلة الأجل. من خلال تقديم حل أكثر كفاءة ودقة، يهدف FEDformer إلى دمقرطة قدرات التنبؤ المتقدمة للسلاسل الزمنية. تشجع الطبيعة مفتوحة المصدر للمشروع على التعاون والتطوير الإضافي داخل مجتمع الذكاء الاصطناعي.
- الفئةنماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
- نموذج التسعيرمفتوح المصدر
- النشرسحابي, استضافة ذاتية
- المنصاتالويب
الميزات الأساسية لـ FEDformer
بنية المحول المُفكك المُعزز بالترددات (Frequency Enhanced Decomposed Transformer)
تعقيد خطي مع طول التسلسل
تقليل خطأ التنبؤ للسلاسل الزمنية
أداء محسّن على السلاسل الزمنية متعددة المتغيرات
أداء محسّن على السلاسل الزمنية أحادية المتغير
آلية الانتباه المُعزز بالترددات (Frequency Enhanced Attention)
كتلة مُعززة بالترددات (Frequency Enhanced Block)
كود مفتوح المصدر متاح على GitHub
يتضمن سكربتات تجريبية للتدريب
يدعم التنبؤ بالسلاسل الزمنية طويلة الأجل
البدء مع FEDformer
الوصول إلى النموذج: استنساخ مستودع FEDformer من GitHub.
إعداد البيئة: تثبيت Python (>=3.8) و PyTorch (1.9.0).
تنزيل البيانات: الحصول على مجموعات البيانات القياسية من الروابط المقدمة.
تدريب النموذج: تنفيذ سكربتات shell المقدمة للتجارب متعددة المتغيرات أو أحادية المتغير.
التكامل عبر API: تكييف الكود لمهام التنبؤ المخصصة.
التحسين: ضبط المعلمات بناءً على خصائص مجموعة البيانات المحددة.
حالات استخدام FEDformer
- التنبؤ طويل الأجل
- تحليل السلاسل الزمنية متعددة المتغيرات
- تحليل السلاسل الزمنية أحادية المتغير
- التنبؤ بالأسواق المالية
- التنبؤ باستهلاك الطاقة
- التنبؤ بأنماط الطقس
- إدارة الموارد
