WEITS: إطار متبقي معزز بالمويجات لتنبؤات السلاسل الزمنية القابلة للتفسير

كان التنبؤ بالسلاسل الزمنية (TS) مشكلة شائعة بشكل غير مسبوق في السنوات الأخيرة، مع تطبيقات واسعة في المجالات العلمية والتجارية على حد سواء. تم تقديم منهجيات مختلفة لتحليل السلاسل الزمنية، تشمل كلا من الأساليب الإحصائية والشبكات العصبية العميقة. على الرغم من أن طرق الشبكات العصبية أظهرت قدرة تمثيلية أقوى من الطرق الإحصائية، إلا أنها تواجه صعوبة في توفير تفسير كافٍ، وقد تكون معقدة جدًا في عملية التحسين. في هذه الورقة، نقدم WEITS، إطار تعلم عميق واعي للتردد عالي القابلية للتفسير وفعال من حيث الحسابات. من خلال التحليل متعدد المستويات باستخدام المويجات، يغرس WEITS بشكل جديد تحليل التردد داخل إطار تعلم عميق للغاية. وبالاقتران مع هندسة متبقية للأمام-للخلف، يتمتع بقدرة تمثيلية عالية وتفسير إحصائي. أظهرت تجارب موسعة على مجموعات بيانات من العالم الحقيقي أداء تنافسي لنموذجنا، مع ميزة إضافية تتمثل في كفاءة حسابية عالية. علاوة على ذلك، يوفر WEITS إطار عمل عام يمكن دمجه بسهولة مع أحدث الطرق لتنبؤ السلاسل الزمنية.