Vai al contenuto
AI.info

Ricerca

Memoria funzionale HiPPO: attenzione interrogabile tramite coordinate per serie temporali irregolari

Le serie temporali irregolari richiedono modelli capaci di rispondere a interrogazioni temporali in corrispondenza di coordinate arbitrarie. Gli approcci esistenti, però, mantengono in genere rapprese

Memoria funzionale HiPPO: attenzione interrogabile tramite coordinate per serie temporali irregolari
arXiv
2610.24501
Pubblicato
2026-10-17
Autori
Zhaodong Guo, Haoyun Feng

Abstract degli autori

Le serie temporali irregolari richiedono modelli capaci di rispondere a interrogazioni temporali in corrispondenza di coordinate arbitrarie. Gli approcci esistenti, però, mantengono in genere rappresentazioni dipendenti dalle osservazioni che devono essere rielaborate per ogni interrogazione. Presentiamo HiPPO Functional Memory (HiPPO-FM), un operatore di attenzione con memoria funzionale che condensa una sequenza storica irregolare in uno stato riutilizzabile, accessibile tramite coordinate. Anziché memorizzare token indicizzati per osservazione o traiettorie latenti, HiPPO-FM registra le osservazioni in uno spazio funzionale a rango fisso e valuta direttamente le coordinate mediante una geometria funzionale corrispondente. Le coordinate HiPPO smussate tramite kernel e la lettura basata sulla matrice di Gram definiscono un meccanismo condiviso di scrittura e lettura, mentre l’autoattenzione sul supporto osservato consente di ottenere rappresentazioni dipendenti dal contenuto prima della compressione. Caratterizziamo lo spazio a dimensione finita delle interrogazioni così ottenuto e ricaviamo una scomposizione dell’errore che distingue l’approssimazione della geometria funzionale dalla discrepanza della memoria appresa. Nei compiti di ricostruzione a coordinate continue, apprendimento di rappresentazioni irregolari, estrapolazione su dati reali e previsione di sequenze di eventi, HiPPO-FM migliora sistematicamente le prestazioni di solidi modelli di riferimento per le serie temporali irregolari: raggiunge un’elevata accuratezza di ricostruzione su Spiral, prestazioni competitive su 20 dataset UEA, una migliore estrapolazione su dati reali e risultati superiori in diversi benchmark di eventi irregolari. Dopo la codifica, lo stato funzionale compatto può essere riutilizzato per diversi insiemi di interrogazioni senza rielaborare la sequenza storica delle osservazioni.

Il riassunto di questo paper è disponibile solo in inglese: leggilo nella pagina inglese.

Leggi il paper originale su arXiv