Память в глубоких моделях времени

arXiv: 26009,06006v1 Annualce Type: New Highreat: Deep Learning for time ряды развивались на основе последовательных архитектурных парадигм, начиная от периодически возникающих сетей и трансформаторов до структурированных моделей состояния космоса, поисково-добавленных прогнозовторов, базовых моделей и агентов с использованием инструментов. Как правило, эти изменения изучаются изолированно и организуются в соответствии с архитектурой или эпохой моделирования. Мы утверждаем, что вместо этого их можно рассматривать через общий вопрос о том, как модель временных рядов сохраняет информацию и имеет к ней доступ за пределами ее непосредственного ввода? Мы формулируем эту задачу как проблему, связанную с "меморой" и организуем существующие временные ряды по спектру внутренней памяти, кодируемому параметрами и фиксированным размером s