الأبحاث ضمن الموضوع : تحليل السلاسل الزمنية والتنبؤ
-
التعميم خارج التوزيع في السلاسل الزمنية: استعراض
2026 | المؤلف: Zhenyun Du وآخرون | المجلة: Information Fusion | المجال: معالجة الإشارات (Signal Processing)تقدم هذه القسم نظرة عامة على التحديات المرتبطة بالتعميم خارج التوزيع (OOD) في بيانات السلاسل الزمنية، لا سيما في البيئات الديناميكية والمتطورة. يسلط الضوء على التعقيدات الناشئة من تحولات التوزيع، والميزات الكامنة، والديناميات التعليمية غير الثابتة التي تعقد جهود التعميم OOD. يقدم المؤلفون مراجعة شاملة للمنهجيات في هذا المجال، منظمة حول ثلاثة أبعاد رئيسية: توزيع…
-
UbiQTree: تحديد عدم اليقين في XAI باستخدام مجموعات الأشجار
2026 | المؤلف: Akshat Dubey وآخرون | المجلة: Patterns | المجال: معالجة الإشارات (Signal Processing)تناقش هذه القسم أهمية تقنيات الذكاء الاصطناعي القابل للتفسير (XAI)، وبشكل خاص تفسيرات شابلي الإضافية (SHAP)، في تفسير نماذج الأشجار التجميعية، وخاصة في مجال الرعاية الصحية. يبرز المؤلفون قيدًا حاسمًا لقيم SHAP، التي غالبًا ما تُقدم كتقديرات نقطية تتجاهل عدم اليقين الكامن الناجم عن مصادر عشوائية (ضوضاء غير قابلة للتقليل) ومعرفية (ندرة البيانات). لمعالجة ذلك،…
-
مقدرات قائمة على النسخ لتوصيف التفاعلات
2026 | المؤلف: Manuel Adams وآخرون | المجلة: Chaos An Interdisciplinary Journal of Nonlinear Science | المجال: معالجة الإشارات (Signal Processing)مفهوم النصوص، الذي تم تقديمه في عام 2009، يعمل كإطار لتحليل العلاقات الوظيفية بين سلاسل الزمن للأنظمة المتفاعلة من خلال العلاقات الجبرية بين الأنماط الترتيبية. على الرغم من إمكانياتها، لم يتم اعتماد مقدرات قائمة على النصوص لتقييم القوة، الاتجاه، وتعقيد التفاعلات على نطاق واسع في الدراسات التجريبية. تعيد هذه الورقة زيارة إطار النصوص وتطبق هذه…
-
دويت: تحسين مزدوج للتجميع المعزز لتوقعات السلاسل الزمنية المتعددة المتغيرات
2025 | المؤلف: Xiangfei Qiu وآخرون | المجلة: Proceedings of the 31st ACM SIGKDD Conference on Knowledge Discovery and Data Mining V.1 | المجال: معالجة الإشارات (Signal Processing)تقدم ورقة البحث DUET، وهو إطار عمل جديد مصمم لتعزيز توقعات السلاسل الزمنية متعددة المتغيرات، حيث يتناول التحديات التي تطرحها الأنماط الزمنية غير المتجانسة والارتباطات المعقدة بين القنوات. يستخدم DUET نهج تجميع مزدوج، يتضمن وحدة تجميع زمنية (TCM) تصنف السلاسل الزمنية إلى توزيعات دقيقة. وهذا يسمح بتطبيق مستخلصات أنماط متخصصة مصممة لكل مجموعة، مما يعكس…
-
توليد بيانات سجلات الآبار والتعويض باستخدام الشبكات التنافسية التوليدية المعتمدة على التسلسل
2025 | المؤلف: Abdulrahman Al‐Fakih وآخرون | المجلة: Scientific Reports | المجال: معالجة الإشارات (Signal Processing)تقدم ورقة البحث إطارًا جديدًا يستخدم الشبكات التنافسية التوليدية القائمة على التسلسل (GANs) لتحسين تحليل بيانات سجلات الآبار، والتي تعتبر ضرورية لاستكشاف الهيدروكربونات. يتكون الإطار من نموذجين: شبكة GAN لسلاسل الزمن (TSGAN) لتوليد بيانات سجلات آبار اصطناعية وشبكة GAN للتسلسل (SeqGAN) لملء البيانات المفقودة. تم اختبارها على مجموعة بيانات من بحر الشمال، وتظهر الدراسة أن…
-
التعلم العميق لتوقعات السلاسل الزمنية: مراجعة وتطبيقات في الجيوتقنية والعلوم الجيولوجية
2025 | المؤلف: Farid Fazel Mojtahedi وآخرون | المجلة: Archives of Computational Methods in Engineering | المجال: معالجة الإشارات (Signal Processing)تقدم هذه الورقة مراجعة شاملة لخوارزميات التعلم العميق (DL) المصممة لتوقع السلاسل الزمنية في مجالات الجيوتقنية والعلوم الجيولوجية. تسلط الضوء على فعالية طرق DL، وخاصة الشبكات العصبية التكرارية (RNNs) مثل الشبكات ذات الذاكرة طويلة وقصيرة المدى (LSTM)، والشبكات العصبية التلافيفية (CNNs)، والنماذج الهجينة، في إدارة مجموعات البيانات المعقدة واستخراج الميزات ذات الصلة بشكل مستقل. تغطي…
-
التعلم العميق لتوقعات السلاسل الزمنية: استعراض
2025 | المؤلف: Xiangjie Kong وآخرون | المجلة: International Journal of Machine Learning and Cybernetics | المجال: معالجة الإشارات (Signal Processing)تقدم هذه القسم نظرة عامة على أهمية وتطور التنبؤ بالسلاسل الزمنية (TSF)، مع تسليط الضوء على دوره الحاسم عبر مختلف الصناعات مثل الطاقة والرعاية الصحية وحركة المرور والأرصاد الجوية والاقتصاد. يشير إلى أن النماذج الإحصائية التقليدية غالبًا ما تفشل في تقديم الدقة العالية المطلوبة في التطبيقات العملية. أدى ظهور التعلم العميق إلى تطوير العديد من…
-
نموذج توقع السلاسل الزمنية بناءً على شبكة الأعصاب المحولة المعدلة واستخراج الميزات المعتمدة على تحويل فورييه السريع
2025 | المؤلف: Kyrylo Yemets وآخرون | المجلة: Sensors | المجال: معالجة الإشارات (Signal Processing)تسلط الأبحاث الضوء على التوسع السريع في جمع البيانات من خلال الشبكات الحسية الحديثة وأنظمة إنترنت الأشياء (IoT)، مع التأكيد على الدور الحاسم للتنبؤ بالسلاسل الزمنية الفعالة في اتخاذ القرارات عبر مختلف الصناعات. بينما أظهرت هياكل الشبكات العصبية المتقدمة، مثل شبكات الذاكرة طويلة وقصيرة الأجل (LSTM) والمحولات، إمكانيات كبيرة، إلا أنها تواجه تحديات كبيرة، بما…
-
التعلم العميق لتحليل سلسلة زمنية لصور الأقمار الصناعية: مراجعة
2024 | المؤلف: Lynn Miller وآخرون | المجلة: IEEE Geoscience and Remote Sensing Magazine | المجال: معالجة الإشارات (Signal Processing)تقدم هذه القسم نظرة عامة على فعالية تقنيات التعلم العميق المطبقة على سلسلة زمنية من صور الأقمار الصناعية (SITS) لنمذجة متغيرات مراقبة الأرض (EO). يبرز أن طرق التعلم العميق يمكن أن تلتقط بفعالية العلاقات المعقدة بين المتغيرات، متجاوزة تقنيات التعلم الآلي التقليدية والإحصائية. تم استخدام هياكل مختلفة من التعلم العميق، بما في ذلك الشبكات العصبية…
-
TFB: نحو تقييم شامل وعادل لطرق التنبؤ بالسلاسل الزمنية
2024 | المؤلف: Xiangfei Qiu وآخرون | المجلة: Proceedings of the VLDB Endowment | المجال: معالجة الإشارات (Signal Processing)تقدم البحث TFB، وهو معيار آلي لأساليب التنبؤ بالسلاسل الزمنية (TSF)، مصمم لتعزيز المقارنة التجريبية وتقييم تقنيات التنبؤ عبر مجالات متنوعة مثل المرور والطاقة والصحة والاقتصاد. يعالج TFB العيوب الحرجة في المعايير الحالية، بما في ذلك تغطية نطاق البيانات المحدودة، والتحيز ضد أساليب التنبؤ التقليدية، وعدم الاتساق في خطوط تقييم الأداء. من خلال دمج مجموعات…
