HIVE-COTE 2.0: a new meta ensemble for time series classification
تقدم هذه الورقة البحثية HIVE-COTE 2.0، وهو نموذج تجميع ميتا (meta-ensemble) مُحسّن بشكل كبير لتصنيف السلاسل الزمنية يدمج مصنفات مبتكرة (TDE وDrCIF وArsenal) لتحقيق دقة هي الأفضل في فئتها على كل من مجموعات البيانات أحادية المتغير ومتعددة المتغيرات.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تحاول تحديد نوع معين من الطيور بمجرد الاستماع إلى أغنيتها. بعض الطيور لها إيقاع مميز، وبعضها له طبقة صوت فريدة، وبعضها يتبع نمطاً يتكرر كل بضع ثوانٍ. إذا استمعت فقط إلى الإيقاع، فقد تفوتك طبقة الصوت. وإذا استمعت فقط إلى طبقة الصوت، فقد يفوتك النمط. للحصول على أفضل نتيجة، تحتاج إلى فريق من الخبراء، كل منهم يستمع لشيء مختلف، ثم تحتاج إلى مدير ذكي ليقرر من هو الأكثر جدارة بالثقة.
هذا بالضبط ما يدور حوله بحث HIVE-COTE 2.0. فهو يقدم "فريقاً خارقاً" جديداً لـ تصنيف السلاسل الزمنية (Time Series Classification). وببساطة، تصنيف السلاسل الزمنية هو مهمة النظر إلى خط من البيانات يتغير بمرور الوقت (مثل مراقب نبضات القلب، أو أسعار الأسهم، أو مستشعرات الزلازل) وتحديد الفئة التي ينتمي إليها.
إليك تفصيل كيفية عمل هذا النظام الجديد، باستخدام تشبيهات من الحياة اليومية:
المشكلة: أداة واحدة ليست كافية
لسنوات، حاول العلماء بناء "كاشف مثالي لأغنية الطيور" (أو مصنف للسلاسل الزمنية). هناك أدوات بارعة في رصد الأنماط المتكررة (مثل قاموس للكلمات). وأدوات أخرى جيدة في العثور على أشكال محددة في البيانات (مثل كاشف الأشكال). وهناك أدوات بارعة في النظر إلى قطع زمنية قصيرة (فترات).
البطل السابق، HIVE-COTE 1.0، كان عبارة عن "مجموعة تضم عدة خوارزميات" (meta-ensemble). فكر فيه كأنه لجنة من الخبراء (الخوارزميات) الذين يصوتون على الإجابة. كان دقيقاً جداً ولكنه كان أيضاً بطيئاً للغاية ويستخدم أحياًنا أدوات قديمة.
الحل: HIVE-COTE 2.0 (اللجنة الخارقة الجديدة)
قام المؤلفون ببناء HIVE-COTE 2.0 (HC2). لم يقوموا فقط بتعديل اللجنة القديمة؛ بل قاموا بفصل ثلاثة من الخبراء القدامى وتعيين أربعة خبراء جدد متخصصين للغاية. كما قاموا بترقية المدير الذي يحصي الأصوات.
إليك هؤلاء "الخبراء" الأربعة في الفريق:
مجموعة القاموس الزمني (TDE):
- التشبيه: تخيل ترجمة أغنية إلى قائمة من الكلمات. "دوم-دوم-كا" تصبح "كلمة أ، كلمة ب". يقوم TDE بالنظر إلى السلسلة الزمنية وتحويلها إلى "حقيبة من الكلمات". هو لا يكتفي بعدّ عدد مرات ظهور الكلمة فحسب؛ بل ينظر أيضاً إلى متى تظهر وكيف تتجمع معاً. إنه يشبه عالم اللغويات الذي يفهم قواعد البيانات، وليس مجرد مفرداتها.
- الترقية: النسخة الجديدة أفضل بكثير في التعامل مع البيانات ذات "القنوات" المتعددة (مثل تسجيل ستيريو يحتوي على سماعة يمنى ويسرى) دون استهلاك الذاكرة بالكامل.
غابة الفترات النموذجية متنوعة التمثيل (DrCIF):
- التشبيه: تخيل تقطيع فيلم طويل إلى آلاف المقاطع الصغيرة. يقوم DrCIF باختيار مقاطع عشوائية، وينظر إليها من زوايا مختلفة (الفيديو الأصلي، سرعة الحركة، وتردد الصوت)، ويسأل: "هل هذا المقطع المحدد لمدة 5 ثوانٍ يخبرنا ما هو هذا الفيلم؟" إنه يبني غابة من أشجار القرار بناءً على هذه الشرائح الزمنية الصغيرة والعشوائية.
- الترقية: إنه يجمع بين أفضل ميزات طريقتين قديمتين في أداة واحدة فائقة الكفاءة تنظر إلى البيانات بثلاث طرق مختلفة في آن واحد.
الترسانة (مجموعة ROCKET):
- التشبيه: طريقة "ROCKET" تشبه إطلاق آلاف الشباك العشوائية في البيانات لمعرفة ما ستصطاده. إنها سريعة للغاية. ومع ذلك، كانت ROCKET الأصلية سيئة في قول "أنا متأكد بنسبة 80%" مقابل "أنا متأكد بنسبة 90%"؛ بل كانت تكتفي بالصراخ "نعم" أو "لا".
- الترقية: "الترسانة" هي فرقة من مجموعات ROCKET الصغيرة التي تعمل معاً. بدلاً من شبكة واحدة كبيرة، يستخدمون العديد من الشبكات الصغيرة ويصوتون على الإجابة. هذا يسمح لهم بإعطاء تقدير احتمالي واثق (على سبيل المثال: "نحن متأكدون بنسبة 95% أن هذا زلزال")، وهو أمر بالغ الأهمية للجنة الرئيسية لاتخاذ قرار جيد.
مصنف تحويل الشكل (STC):
- التشبيه: يبحث هذا الخبير عن "أشكال" أو "أجزاء من الأغاني" محددة يمكن التعرف عليها والتي تظهر في البيانات. إذا ظهرت نبضة حادة معينة دائماً قبل حدوث نوبة صرع، فإن STC يجد تلك النبضة.
- الترقية: جعل المؤلفون عملية البحث هذه أكثر ذكاءً. فبدلاً من فحص كل شكل ممكن (وهو ما يستغرق وقتاً طويلاً جداً)، فإنه يبحث عشوائياً عن أفضل الأشكال ضمن إطار زمني محدد، مما يمنعه من التعثر أو "الإفراط في التخصيص" (حفظ بيانات التدريب بشكل مثالي للغاية).
المدير: CAWPE
بمجرد أن يقوم هؤلاء الخبراء الأربعة بتحليل البيانات، يرسل كل منهم تقديراً احتمالياً إلى المدير (الذي يسمى CAWPE).
- كيف يعمل: المدير لا يكتفي بأخذ متوسط بسيط. فهو ينظر إلى مدى جودة أداء كل خبير أثناء التدريب. إذا كان "خبير القاموس" عادة ما يكون محقاً بنسبة 90% من الوقت، فإن المدير يستمع إليه عن كثب أكثر من "خبير الفترة" الذي كان محقاً بنسبة 60% فقط.
- النتيجة: يضمن نظام التصويت الموزون هذا أن الخبراء الأكثر موثوقية لهم الكلمة الأكبر في القرار النهائي.
النتائج: من فاز بالسباق؟
اختبر المؤلفون هذا الفريق الجديد ضد أبطال "الحالة الراهنة" (بما في ذلك نماذج التعلم العميق والخوارزميات السريعة الأخرى) في 112 مجموعة بيانات مختلفة (مثل نبضات القلب، واستخدام الطاقة، وأصوات الحشرات).
- الدقة: كان HIVE-COTE 2.0 هو الفائز الواضح. فقد كان أكثر دقة بشكل ملحوظ من جميع المنافسين الرائدين الآخرين. وفي المتوسط، أصاب الإجابة الصحيحة أكثر من أي شخص آخر.
- البيانات متعددة المتغيرات: فاز أيضاً عندما كانت البيانات ذات أبعاد متعددة (مثل فيديو بقنوات ألوان أو مستشعر بمحاور X وY وZ)، حيث عانتت الطرق السابقة.
- المقايضة (السرعة مقابل الدقة):
- يعترف البحث بأن HIVE-COTE 2.0 أبطأ من أسرع طريقة (ROCKET). إذا كنت بحاجة إلى إجابة في جزء من الثانية، فإن ROCKET هي الأفضل.
- ومع ذلك، إذا كنت بحاجة إلى أكثر إجابة دقيقة ممكنة ويمكنك الانتظار قليلاً، فإن HIVE-COTE 2.0 هو الخيار الأفضل.
- وللمساعدة في ذلك، يحتوي النظام على ميزة "عقد الوقت" (Time Contract). يمكنك أن تقول له: "لديك ساعة واحدة للعمل". سيقوم ببناء أكبر عدد ممكن من الخبراء خلال هذه الساعة وسيعطيك أفضل إجابة يمكنه العثور عليها ضمن هذا الحد.
الملخص
HIVE-COTE 2.0 هو "لجنة الأفضل" لتحليل البيانات المستندة إلى الوقت. من خلال الجمع بين أربعة أنواع مختلفة من الخبراء (أحدهم ينظر إلى أنماط الكلمات، وآخر يقطع الوقت، وثالث يستخدم الشباك العشوائية، ورابع يجد الأشكال) والسمايد بمدير ذكي يزن أصواتهم، فإنه يحقق دقة أعلى من أي طريقة منفردة أو فريق سابق. وبينما يستغرق وقتاً أطول للتشغيل من الخوارزميات الأسرع، فإنه يقدم أعلى مستوى من الدقة المتاح حالياً لهذا النوع من المشكلات.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.