محققان در تازهترین مقاله علمی خود، مدل ترنسفورمر جدیدی به نام «Spatially-Enhanced Temporal Fusion Transformer» یا همان SE-TFT را معرفی کردند که برای پیشبینی دقیق سیستمهای دینامیکی طراحی شده است.
چرا این مدل اهمیت دارد؟
این مدل برخلاف نسخههای پیشین، میتواند چندین خروجی را بهصورت همزمان پیشبینی کند و علاوه بر بررسی الگوهای زمانی، روابط فضایی بین خروجیها را نیز درک میکند. این یعنی دقت بسیار بالاتر در تحلیل سیستمهای پیچیده، حتی زمانی که با دادههای غیرخطی یا ورودیهای متغیر در طول زمان سر و کار داریم.
این نوآوری میتواند گام مهمی در بهبود پیشبینی سیستمهای مهندسی و علمی مبتنی بر هوش مصنوعی باشد. نظر شما درباره کاربردهای این مدل در صنعت چیست؟
منبع: arXiv Machine Learning