اگر در حوزه تحلیل داده و هوش مصنوعی فعالیت میکنید، حتماً با چالش «دادههای گمشده» در سریهای زمانی مواجه شدید. مدلهای فعلی معمولاً فقط به دادههای نزدیک نگاه میکنند، اما روش جدید ALER-TI این بازی را تغییر داده است!
محققان با معرفی ALER-TI، از تکنیک «بازیابی مبتنی بر حافظه» استفاده کردهاند. این مدل با جستجو در الگوهای تاریخی، میتواند بخشهای گمشده یا مخدوش سریهای زمانی را با دقت و پایداری بسیار بیشتری بازسازی کند. نکته جذاب اینجاست که این معماری با مدلهای مختلف سازگار است و میتواند به عنوان یک ماژول سبک به مدلهای فعلی شما اضافه شود. 📊✨
منبع: arXiv AI
