التنبؤ بالمجموعات باستخدام نماذج السلاسل الزمنية IBM Granite
يجمع Granite Timeseries Ensemble من IBM أربعة نماذج تنبؤ Granite مدرّبة مسبقًا بهياكل مختلفة لإخراج تنبؤات نقطية وكمّية دون إعادة تدريب. وفي GIFT-Eval سجّل المجموعة الاحتمالية أدنى MASE بين ست تنبؤات، بفارق صغير.
ما يقوله المقال
نشرت IBM Research في 22 أكتوبر 2026 على مدونة Hugging Face مشروع Granite Timeseries Ensemble، وهو وصفة للتنبؤ تجمع أربعة نماذج سلاسل زمنية مدرَّبة مسبقًا من Granite (PatchTST-FM-r1 وPatchTST-FM-r2 وFlowState-r1.1 وTTM-r3). تغني عن اختيار نموذج واحد لكل سلسلة ولا تتطلب إعادة تدريب ولا أوزانًا مضبوطة للمجموعة.
تعيد الوصفة تنبؤًا وسيطًا وتنبؤات بالكميات، من 0.1 إلى 0.9 افتراضيًا. توجد طريقتا تجميع: احتمالية (موصى بها) وIQR التي توزن حسب انتشار التنبؤ. في GIFT-Eval (97 إعدادًا) تفوقت المجموعتان على كل من النماذج الأربعة في MASE الإجمالي. يذكر المؤلفون قيودًا: تُتنبأ القنوات متعددة المتغيرات بشكل مستقل، ويزيد زمن الاستدلال والذاكرة، ولا تُضمن المعايرة. ويوصون باختبار رجعي على بيانات تمثيلية قبل الاستخدام.
اقرأ المقال الرسمي بطاقة AnnuIA
ملخص كتبته AnnuIA بكلماتها الخاصة اعتمادًا على الصفحة الرسمية لـ Hugging Face. المحتوى والحقوق تعود إلى الناشر، يُرجى قراءة المقال الأصلي.