محققان در یک پژوهش تازه، راهکار جدیدی برای بهبود مدلهای ترنسفورمر در پیشبینی سریهای زمانی ارائه دادهاند. مشکل اصلی مدلهای فعلی، مصرف حافظه و زمان بسیار بالا در محاسبه توجه (Attention) است که باعث کندی در سیستمهای کاربردی میشود.
این متد جدید به نام SGA با حذف محاسبات اضافی و استفاده از یک ماتریس یادگیرنده، پیچیدگی مدل را به صورت خطی کاهش میدهد؛ این یعنی همان دقت بالا اما با سرعت بیشتر و مصرف منابع کمتر! 💡
این پیشرفت میتواند تحولی در ابزارهای پیشبینی بازار، وضعیت آب و هوا و دادههای پیچیده مالی ایجاد کند.
منبع: arXiv AI
