SAMformer предлагает инновационное решение для многомерного прогнозирования временных рядов с использованием Transformer, устраняя проблемы обучения и нестабильности. В отличие от стандартных трансформеров, SAMformer использует внимание по каналам и Sharpness-Aware Minimization для улучшения обобщения и производительности на небольшой выборке данных. Это достигается упрощением энкодера и введением реверсивной нормализации. Реализация в MQL5 включает оптимизацию методом SAM, что позволяет модели находить параметры с равномерно низкими потерями. Данный подход обещает более стабильное и эффективное обучение Transformer в задачах долгосрочного прогнозирования временных рядов, предоставляя новые возможности для трейдеров и разработчиков.



Читать далее...