MIT tədqiqatçıları mövcud zaman seriyası verilənlər bazası üzərində birbaşa proqnozlaşdırma funksiyalarını birləşdirən sistem hazırlayıblar. Onun tspDB (Time Series Forecast Database) adlandırdıqları sadələşdirilmiş interfeysi təcrübəsiz istifadəçiyə bir neçə saniyə ərzində hava proqnozları, gələcək səhm qiymətləri, xəstəlik riski və s. yaratmağa imkan verir.
Yeni sistem iki vəzifəni yerinə yetirməkdə mövcud dərin öyrənmə metodlarından daha dəqiq və daha səmərəlidir: gələcək dəyərləri proqnozlaşdırmaq və çatışmayan məlumat nöqtələrini doldurmaq. tspDB-nin uğuru onun çoxdəyişənli zaman seriyası məlumatlarını, yəni zamandan asılı olan birdən çox dəyişəni ehtiva edən məlumatları proqnozlaşdırmaq üçün yeni alqoritmindədir.
Hava məlumat bazasında, məsələn, temperatur, şeh nöqtəsi və bulud örtüyü onların keçmiş dəyərlərindən asılıdır. Alqoritm həmçinin istifadəçiyə öz proqnozlarına inam səviyyəsini təmin etmək üçün çoxdəyişənli zaman seriyalarının dəyişkənliyini qiymətləndirir.
“Vaxt seriyası məlumatları getdikcə mürəkkəbləşsə də, bu alqoritm istənilən zaman seriyası strukturunu effektiv şəkildə ələ keçirə bilər. Deyəsən, biz zaman seriyası məlumat modellərinin mürəkkəbliyinə baxmaq üçün düzgün obyektiv tapmışıq,” baş müəllif Devavrat Şah, Endryu və Erne Viterbi EECS-nin professoru və Məlumat Sistemləri və Qərar Sistemləri İnstitutunun İnformasiya Sistemləri və Qərar Sistemləri Laboratoriyasının əməkdaşı deyir.
Abdullah Alomar (Elektrik Mühəndisliyi və Kompüter Elmləri üzrə PhD tələbəsi) və Devavrat Şaha, keçmiş EECS PhD tələbəsi və hazırda UC Berkeley Simons İnstitutunda postdok olan aparıcı müəllif Anish Agrawal kağızda qoşuldu. Tədqiqat ACM SIGMETRICS konfransında təqdim olunacaq.
