في عالم يتزايد فيه الاعتماد على البيانات، يصبح الكشف عن الشذوذات في السلاسل الزمنية (Time Series) أمراً جوهرياً للعديد من المجالات مثل المالية والرعاية الصحية والصناعات المختلفة. ومع ذلك، كانت الطرق التقليدية تُظهر صعوبة في التعميم عبر مجموعات البيانات المتنوعة، خاصةً عندما تكون هناك شذوذات دقيقة أو تعتمد على السياق.

لذلك، تم تقديم ChronosAD، المعمارية الثورية الجديدة التي تعتمد على نموذج أساسي للسلسلة الزمنية لتكون بمثابة مستخرج للميزات. تعمل هذه المعمارية بنظام من مرحلتين: في المرحلة الأولى، يتم استخدام نموذج السلسلة الزمنية لاستخراج embeddings لكل سلسلة زمنية بشكل مباشر دون الحاجة إلى تدريب مسبق (zero-shot).

في المرحلة الثانية، يتم تطوير بلوك زمني خاص (Temporal Block)، يتكون من الذاكرة الطويلة الأقصر ثنائية الاتجاه (BiLSTM) والاهتمام متعدد الرؤوس (Multi-Head Attention)، ليقوم بتنقية هذه الميزات ولتسليط الضوء على الأنماط الزمنية الهامة.

على خلاف الأساليب السابقة، يحتاج نموذج ChronosAD إلى ضبط بسيط للمهام المحددة، ويظهر قدرة قوية على التعميم عبر مجموعة واسعة من المجالات بما في ذلك الأنظمة الصناعية والطبية والسايبر-فيزيائية (Cyber-Physical) والسيارات. أظهرت التجارب الواسعة التي أُجريت على 11 معياراً أن ChronosAD يتفوق على الأساليب السابقة بنسبة 4.72% في AUC و6.60% في AP في المتوسط.

للمطورين المهتمين، يتوفر كود المصدر الخاص بChronosAD على الرابط التالي: [https://github.com/intelligolabs/ChronosAD].

أين ترى تطبيق نموذج ChronosAD في مجالك؟ شاركونا آرائكم في التعليقات!