محققان در مقاله جدیدی راهکاری هوشمندانه برای حل یکی از چالشهای بزرگ یادگیری ماشین ارائه دادهاند: «کشف علیت در سریهای زمانی با بازههای نامنظم».
بسیاری از دادههای دنیای واقعی مثل دادههای حسگرها، تراکنشهای مالی و پروندههای پزشکی، برخلاف دادههای آزمایشگاهی، در بازههای زمانی ثابت ثبت نمیشوند. این روش جدید با استفاده از پنجرههای زمانی منعطف، به مدل اجازه میدهد روابط علی را حتی در دادههای غیرمنظم و پرنویز به دقت شناسایی کند و عملکرد بسیار بهتری نسبت به روشهای سنتی داشته باشد. 🧠✨
منبع: arXiv Machine Learning
