यह पेज दुनियाभर में प्रकाशित होने वाले आर्टिफिशियल इंटेलिजेंस संबंधित रिसर्च पेपर्स को संक्षिप्त रूप में प्रस्तुत करता है। यहां Google Gemini का उपयोग करके पेपर्स का सारांश तैयार किया जाता है और यह पेज गैर-लाभकारी रूप से संचालित किया जाता है। पेपर के कॉपीराइट लेखक और संबंधित संस्थान के पास हैं, और साझा करते समय बस स्रोत का उल्लेख करें।
इस पत्र में, हम समय श्रृंखला-आधारित आधार मॉडल (TSFM) के __T44193__ को हल करने के लिए एक एकीकृत सहचर अनुकूलन (UniCA) ढाँचा प्रस्तावित करते हैं। मौजूदा TSFM वास्तविक-मूल्यवान समय श्रृंखला पर ध्यान केंद्रित करते हैं, जो उनके अनुप्रयोग को विविध और विषम सहचरों (जैसे, श्रेणीबद्ध चर, छवियाँ, पाठ, आदि) से जुड़े सामान्य पूर्वानुमान कार्यों तक सीमित करता है। UniCA TSFM को सहचर समरूपीकरण प्रक्रिया के माध्यम से सामान्य सहचर-जागरूक पूर्वानुमान पर लागू करने में सक्षम बनाता है जो विषम सहचरों को उच्च-आयामी समरूप समय श्रृंखला अभ्यावेदन और एक एकीकृत ध्यान-आधारित संलयन तंत्र में बदल देता है। UniCA समरूप और विषम सहचरों दोनों पर लागू होता है, और TSFM की सामान्यीकरण क्षमता को बनाए रखते हुए अतिरिक्त सहचर जानकारी को एकीकृत करता है। विभिन्न यूनिमॉडल और मल्टीमॉडल सहचर-जागरूक पूर्वानुमान बेंचमार्क प्रयोगों के माध्यम से, हम UniCA की श्रेष्ठता को प्रदर्शित करते हैं और वास्तविक पूर्वानुमान परिदृश्यों में सहचर-जागरूक TSFM अनुकूलन की व्यवहार्यता को प्रदर्शित करते हैं। कोड सार्वजनिक रूप से __T44192__ पर उपलब्ध है ।
टीएसएफएम को विषम सहपरिवर्तियों से संबंधित विविध पूर्वानुमान कार्यों के लिए लागू करके, यह वास्तविक दुनिया की पूर्वानुमान समस्याओं को सुलझाने में योगदान दे सकता है।
◦
यूनीसीए फ्रेमवर्क, टीएसएफएम के सामान्यीकरण प्रदर्शन को बनाए रखते हुए सहपरिवर्ती सूचना को प्रभावी ढंग से सम्मिलित करने की एक विधि प्रस्तुत करता है।
◦
यूनीका की उत्कृष्टता और व्यावहारिकता को विभिन्न प्रयोगात्मक परिणामों के माध्यम से सत्यापित किया गया है।
•
Limitations:
◦
विशिष्ट प्रकार के सहपरिवर्तियों के लिए अनुकूलित पूर्वप्रसंस्करण की आवश्यकता हो सकती है।
◦
यदि सहपरिवर्तियों का आयाम बहुत अधिक है, तो गणना लागत बढ़ सकती है।
◦
विभिन्न प्रकार के सहपरिवर्तियों के लिए सामान्यीकरण प्रदर्शन को और बेहतर बनाने की आवश्यकता है।
