كورس توك: نموذج ثوري لتصنيف السلاسل الزمنية المتعددة بدون تدريب!

في عالم التكنولوجيا الحديثة، يُعتبر تصنيف السلاسل الزمنية (Time Series Classification) عاملاً رئيسيًا في العديد من التطبيقات مثل الرعاية الصحية، والمراقبة الصناعية، وأجهزة الاستشعار. ومع أن نماذج أساس السلاسل الزمنية (Time Series Foundation Models) تدعم التنبؤ وتعلم التمثيل القابل للنقل، إلا أن تصنيف البيانات غالبًا ما يتطلب ملاءمة مصنفات خاصة بالمهام لكل مجموعة بيانات مستهدفة.

اليوم، نُقدم لكم نموذج **ChorusTIC**، وهو نموذج رائد يسمح بتصنيف السلاسل الزمنية المتعددة بدون الحاجة إلى تحديثات لمعلمات المهام المستهدفة. يجمع هذا النموذج بين تقنيات معقدة مثل دمج قنوات فرعية عشوائية متناسقة (Random Subchannel Slot Concatenation) مع مشفر ثنائي المحاور مشترك (Shared Dual-axis Encoder)، مما يمكنه من نمذجة التفاعلات الزمنية والعبورية عبر القنوات.

**ChorusTIC** قادر أيضًا على تحويل تكوينات القنوات المتغيرة إلى تمثيلات ذات عرض ثابت، بغض النظر عن عدد القنوات الأصلي. يقوم النموذج، في مرحلة ما بعد التدريب، بمعايرة محاور الميزات باستخدام توزيعات مستمدة من السياق، ويتنبأ بتسميات الاستفسارات من خلال استراتيجيات تعلم محميّة ضد التسرب.

تم تدريب **ChorusTIC** مسبقًا على حلقات مصنفة صناعيًا، حيث يشارك كل منها خلفية مهمة معينة مع وجود فئات تميزها قواعد زمنية أو عبورية نادرة. وقد أظهرت التقييمات على الأرشيفات الشاملة مثل UEA-30 وUCR-128 أداءً قويًا في سياقات كاملة وأداءً جيدًا للغاية مع عدد قليل من التسميات، ودون الحاجة إلى ملاءمة مصنف محدد للهدف.

إذا كنت تبحث في المستقبل عن ابتكارات مثيرة في مجال تصنيف السلاسل الزمنية، فإن **ChorusTIC** يُعتبر خطوة متقدمة قد تُحدث ثورة في هذا المجال. ما رأيكم في هذا التطور المذهل؟ شاركونا في التعليقات!