الوصف
يوفر LTSF-Linear تطبيق PyTorch الرسمي لورقة البحث "Are Transformers Effective for Time Series Forecasting؟"، والتي تم تقديمها في AAAI-2023. يركز هذا المستودع على عائلة من النماذج الخطية المصممة لمعالجة تحديات التنبؤ بالسلاسل الزمنية طويلة الأجل (LTSF)، مما يظهر أداءً متفوقًا مقارنة بالبنى القائمة على المحولات.
قراءة المزيد
تشمل عائلة LTSF-Linear ثلاثة نماذج أساسية: Linear، NLinear، و DLinear. نموذج Linear الأساسي هو نموذج خطي أحادي الطبقة يتفوق بشكل مدهش على المحولات المعقدة. يعزز NLinear الأداء عن طريق تسوية المدخلات للتعامل مع تحولات التوزيع بين مجموعات التدريب والاختبار. يجمع DLinear بين مخطط التحلل والطبقات الخطية، وفصل البيانات إلى مكونات الاتجاه والموسمية لتنبؤ أكثر قوة.
تشمل المزايا الرئيسية لـ LTSF-Linear طول مسار اجتياز الإشارة الأقصى O(1)، مما يتيح التقاط فعال للتبعيات الزمنية قصيرة وطويلة المدى. النماذج فعالة للغاية، وتتطلب ذاكرة أقل، ومعلمات أقل، وتقدم سرعات استدلال أسرع من المحولات. علاوة على ذلك، نماذج LTSF-Linear قابلة للتفسير، مما يسمح بتصور الأوزان لاكتساب رؤى حول التنبؤات، وهي سهلة الاستخدام دون الحاجة إلى ضبط مكثف للمعلمات الفائقة.
يعمل المستودع أيضًا كمعيار لـ LTSF، ويدعم التنبؤ الأحادي والمتعدد المتغيرات. يتضمن تطبيقات للعديد من المحولات التنبؤية البارزة (Transformer، Informer، Autoformer، Pyraformer، FEDformer) للتحليل المقارن. يتم توفير نصوص برمجية مفصلة لإعدادات تجريبية مختلفة، بما في ذلك التنبؤ طويل الأجل، وتأثير أحجام نافذة التراجع، واستراتيجيات التضمين.
هذا المشروع قيم للباحثين والممارسين في تحليل السلاسل الزمنية، والتعلم الآلي، والتنبؤ الذين يبحثون عن حلول فعالة وقابلة للتفسير وعالية الأداء للتنبؤات طويلة الأجل. إن تضمين معيار وتطبيقات مقارنة يجعله موردًا شاملاً لتقييم نماذج التنبؤ.
- الفئةنماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
- نموذج التسعيرمفتوح المصدر
- النشرسحابي, استضافة ذاتية
- المنصاتLinux, macOS, Windows
الميزات الأساسية لـ LTSF-Linear
تطبيق PyTorch رسمي لنماذج LTSF-Linear
يشمل نماذج Linear، NLinear، و DLinear
يتفوق على الطرق القائمة على المحولات في التنبؤ بالسلاسل الزمنية طويلة الأجل
يدعم التنبؤ الأحادي والمتعدد المتغيرات
كفاءة عالية مع ذاكرة أقل واستدلال أسرع
طول مسار اجتياز الإشارة الأقصى O(1) لالتقاط التبعيات
تصور الأوزان للقابلية للتفسير
يشمل معيارًا للتنبؤ بالسلاسل الزمنية طويلة الأجل
يوفر تطبيقات لـ Transformer، Informer، Autoformer، Pyraformer، FEDformer
نصوص برمجية لإعدادات تجريبية مختلفة (التنبؤ طويل الأجل، دراسة نافذة التراجع)
سهل الاستخدام دون الحاجة إلى ضبط مكثف للمعلمات الفائقة
البدء مع LTSF-Linear
إعداد البيئة: تثبيت Conda، إنشاء بيئة افتراضية، وتثبيت المتطلبات.
إعداد البيانات: تنزيل مجموعات البيانات المعيارية ووضعها في الدليل './dataset'.
التدريب: تنفيذ النصوص البرمجية للشل المقدمة في الدليل './scripts' لنماذج ومجموعات بيانات محددة.
اختيار النموذج: تحديد النموذج المطلوب (Linear، DLinear، NLinear) ضمن نصوص التدريب.
التجريب: استخدام النصوص البرمجية للتنبؤ طويل الأجل، ودراسات نافذة التراجع، واستراتيجيات التضمين.
التصور: تشغيل نصوص رسم الأوزان لتفسير سلوك النموذج.
التكامل: تكييف نصوص التدريب والاستدلال لمهام التنبؤ بالسلاسل الزمنية المخصصة.
حالات استخدام LTSF-Linear
- التنبؤ طويل الأجل
- التنبؤ الأحادي المتغير
- التنبؤ المتعدد المتغيرات
- تحليل الاتجاه والموسمية
- معيار أداء النموذج
- الذكاء الاصطناعي القابل للتفسير
