Многоцелевое обучение для серии " Sparsele-Lable Time Series: A Case Study on Chold-Hardy Modeling ' .

arXiv: 2609.09062v1 Annualce Type: New Briew: Мы представляем исследование реального мира по многозадачному обучению (MTL) для временной модели процесса на основе ограниченных данных с временнóй малостью маркировки. В частности, мы изучаем многоцелевое обучение по важной сельскохозяйственной проблеме прогнозирования холодной твердости винограда - температуры, при которой происходит смертельное заморозка. Холодная твердость меняется в зависимости от погоды, и ее трудно измерить непосредственно на местах. Таким образом, производители опираются на прогнозы при принятии решений о том, когда следует применять дорогостоящие меры по смягчению последствий морозов. Мы применяем периодические нейронные сети (RNN) для ежедневного прогнозирования холодоносности на основе данных о погоде временных рядов. Одна из основных проблем заключается в том, что реакция на холодостойкость варьируется по видам растений и данным о почвенной правде для каждого сорта во времени является ограниченной. Для решения этой проблемы мы изучаем многоцелевые подходы к обучению (МЗ) для комбинирования данных, когда различные задачи соответствуют различным видам культур. Мы развиваем ва