الوصف
N-BEATS هو نموذج متطور قائم على الشبكات العصبية مصمم خصيصًا للتنبؤ بالسلاسل الزمنية أحادية المتغير. يمثل مساهمة كبيرة من ServiceNow Research، وتعود أصوله إلى Element AI. يهدف المشروع إلى توفير تطبيق قوي لخوارزمية N-BEATS، مما يمكّن الباحثين والممارسين من تكرار النتائج التجريبية المقدمة في الورقة البحثية المرتبطة.
قراءة المزيد
تم تنظيم المستودع لتسهيل الوصول والاستخدام. يمكن العثور على تطبيق PyTorch الأساسي لنموذج N-BEATS داخل الملف `models/nbeats.py`. لمعالجة البيانات، توجد محملات مجموعات البيانات لمجموعات البيانات المختلفة المستخدمة في الورقة البحثية في الدليل `datasets/*.py`. يضم الدليل `experiments/*` الإعدادات التجريبية المطلوبة لتكرار نتائج الورقة البحثية، ويحتوي كل منها على ملف `main.py` لمنطق التدريب والتنبؤ، بالإضافة إلى ملفات التكوين لكل من المتغيرات العامة والقابلة للتفسير للنموذج.
يتم توثيق النتائج ومقاييس الأداء في الدليل `notebooks`، مع دفتر ملاحظات مخصص لكل تجربة. تعرض دفاتر الملاحظات هذه النتائج النهائية ورؤى حول فعالية أحجام المجموعات المختلفة، مع ملاحظة أن المجموعات الأصغر غالبًا ما تحقق نتائج مماثلة للمجموعات الأكبر. يوصف هذا التطبيق بأنه نسخة "أخف" من N-BEATS الأصلي، ويقدم أداءً على نفس مستوى أحدث ما توصلت إليه التكنولوجيا بشكل عام، مع اختلافات عرضية في النتائج.
يؤكد المشروع على قابلية التكرار من خلال Docker، مما يجعله متاحًا للمستخدمين الذين لديهم وحدات معالجة رسومات NVIDIA أو بدونها. يوفر ملف `Makefile` أوامر لتهيئة صورة Docker، وتنزيل مجموعات البيانات، وتشغيل الاختبارات، وبناء التجارب، وتنفيذ التنبؤات على كل من وحدات المعالجة المركزية ووحدات معالجة الرسومات. يتم توفير تعليمات مفصلة لإعداد البيئة، وبناء صورة Docker، وتنزيل مجموعات البيانات، وتشغيل التجارب مع معلمات قابلة للتخصيص مثل التكرارات وفترات التراجع. يتم تخزين مخرجات التجارب، بما في ذلك السجلات، والخسائر، واللقطات، والتنبؤات النهائية، في الدليل `storage/experiments`.
يعد N-BEATS ذا قيمة خاصة لعلماء البيانات، ومهندسي التعلم الآلي، والباحثين المشاركين في تحليل السلاسل الزمنية، والتنبؤ، والنمذجة التنبؤية. طبيعته القابلة للتفسير وأداؤه المتطور يجعله أداة قوية لفهم وتوقع الاتجاهات المستقبلية في البيانات أحادية المتغير عبر مجالات مختلفة.
- الفئةنماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
- نموذج التسعيرمفتوح المصدر
- النشرسحابي, استضافة ذاتية
- المنصاتLinux, macOS, Windows
الميزات الأساسية لـ N-BEATS
نموذج قائم على الشبكات العصبية للتنبؤ بالسلاسل الزمنية أحادية المتغير
تطبيق خوارزمية N-BEATS
نتائج تجريبية قابلة للتكرار
تطبيق PyTorch متاح
محملات مجموعات البيانات لمجموعات بيانات مختلفة
ملفات تكوين للنماذج العامة والقابلة للتفسير
دعم Docker لإعداد البيئة
دعم التنفيذ على وحدات المعالجة المركزية ووحدات معالجة الرسومات
تعليمات مفصلة للتكرار
تخزين لسجلات التجارب والخسائر والتنبؤات
البدء مع N-BEATS
إعداد البيئة: تأكد من تثبيت Docker واضبط Makefile لبيئتك.
بناء صورة Docker: قم بتشغيل `make init` لبناء صورة Docker.
تنزيل مجموعات البيانات: قم بتنفيذ `make dataset` لتنزيل مجموعات البيانات المطلوبة.
بناء تجربة: استخدم `make build config=<path_to_config.gin>` لإنشاء تكوينات التجارب.
تشغيل التجارب: استخدم `make run command=<path_to_command>` لوحدة المعالجة المركزية أو `make run command=<path_to_command> gpu=<gpu-id>` لوحدة معالجة الرسومات.
الحصول على إحصائيات التجربة: قم بتشغيل دفتر ملاحظات JupyterLab عبر `make notebook port=<port>` لتحليل الأداء.
حالات استخدام N-BEATS
- التنبؤ بالسلاسل الزمنية
- التحليلات التنبؤية
- التنبؤ بالطلب
- التنبؤ المالي
- تخطيط الموارد
