时间序列数据已从简单的历史记录演变为跨行业关键决策的实时引擎。无论是简化物流、预测市场，还是预测机器故障，企业组织都需要比传统方法更复杂的工具。
NVIDIA GPU 加速的深度学习使各行各业能够获得实时分析。首席执行官 Jensen Huang 将 GPU 描述为 时间机器 ，使企业能够预测趋势并迅速采取行动。
隆重推出 NV-Tesseract，这是一款通过 NVIDIA DGX 云计划开发的尖端模型系列，旨在推进时间序列分析中的深度学习。
该模型系列可以快速处理大量时间序列数据集、发现隐藏的模式、检测异常情况，并快速准确地预测市场变化。其影响遍及多个行业，包括：
- 制造业 ：通过 Predictive Maintenance 防止停机。
- 金融：改进欺诈检测和风险管理。
- 供应链 ：优化物流、库存和需求预测。
- 气候科学 ：通过高级建模增强防灾能力。
NV-Tesseract 模块化架构：一系列专用模型
时间序列 AI 需要专门的解决方案，没有一个模型能够有效处理所有预测任务。该架构拥抱这一现实，提供针对不同功能定制的专用模型。
它可确保企业组织获得高性能、特定领域的解决方案，通过提供多个专用模型（而非“One-size-fits-all”方法）来适应不断变化的业务需求。这种灵活性使企业能够针对每个挑战使用最有效的模型，确保快速、可扩展且准确的时间序列分析。
时间序列 AI 的一个基本争议是，没有一个模型能够有效处理所有预测任务。NV-Tesseract 通过提供一系列针对不同功能优化的专用模型来践行这一理念：
- 异常检测 ：实时检测运营或财务异常情况，从而在问题升级之前进行主动干预。
- 预测 ：预测未来趋势、需求波动和定价变化，为策略规划和资源分配提供支持。
- 分类 ：对时间序列数据进行分类，具有高准确度，从而减少对大量手动标记的需求，并增强模式识别能力。
通过使用专业模型，每个预测任务都能以最有效的架构完成，为组织提供量身定制的高性能解决方案，以应对其独特的挑战：
- NV-Tesseract 利用基于 Transformer 的嵌入来有效捕获时间序列数据中细微的远程依赖项，即使在输入噪声或移动的情况下也能保持较高的分类准确性。
- 其模块化架构可轻松与其他模型集成，从而提高不完整或不稳定信号的性能。
- 借助多头注意力层，NV-Tesseract 能够无缝适应季节性变化或市场高峰等突如其来的变化，确保在动态条件下稳定准确。
- 在针对更简单模型 (例如浅层神经网络、逻辑回归) 的内部基准测试中，NV-Tesseract 实现了 5 – 20% 的准确性和 F1 分数提升，尤其是在传统方法往往难以实现的复杂多变量数据集上。
当前架构使用 Transformer 模型，该模型采用编码器来处理时间序列数据。它接受用于预测的多元时间序列和用于异常检测的一元时间序列。首先是用于数据提取和掩码的输入层，然后是包含 patch embeddings 和 positional encodings 的嵌入层。
编码器使用多头自注意力、前馈层、残差连接、层归一化和 dropout 来捕获时间依赖项。最后，输出头生成预测，识别异常，并在时间序列数据中对模式进行分类。
评估和基准测试
该模型开发的一个关键目标是测试其泛化能力，使其超越已经遇到的数据。早期结果表明，Tesseract 可以有效处理不熟悉的数据集，尤其是在分类方面，它在金融、医疗健康和工业运营的许多应用中表现出了很高的准确性。
虽然异常检测和预测仍在进行全面的基准测试，但初步发现表明，Tesseract 具有强大的潜力，这表明 Tesseract 可以演变为全面的时间序列解决方案。
分类性能
虽然 NV-Tesseract 旨在应对多个时间序列挑战，但分类法目前是经过充分验证的成功案例：
- 金融 ：由于其对各种金融数据集的精确分类，在欺诈检测、投资组合优化和风险管理等任务中超越了传统方法。
- 医疗健康 ：NV-Tesseract 可对患者生命体征和传感器读数进行有效分类，为实时监控和早期预警系统提供支持。
- 工业流程 ：无论是识别缺陷部件还是发现生产线中的操作异常，该模型都会分析复杂的数据 (例如温度、振动、输出水平) ，以简化制造工作流程。
异常检测和预测：正在进行的基准测试
除了分类之外，NV-Tesseract 还在异常检测和预测方面展现了早期前景：
- 医疗健康异常检测 ：在一项测试中，该模型在识别血压峰值方面的 F1 Score 为 0.96，这凸显了其在生成实时临床警报方面的价值。
- 财务预测 ：涉及投资因素每周回报的试验揭示了 Tesseract 对时间敏感领域的适应性，在这些领域中，准确的预测会推动关键决策。
虽然这些初步结果展示了该模型的通用性，但也凸显了数据集在突然变化或宽数值范围内的复杂性。在数据预处理、hyperparameter tuning 和 ensemble methods 方面正在进行的研究旨在进一步优化模型的功能。通过不断扩展我们的测试套件和探索各种真实场景，我们正在为 Tesseract 铺平道路，使其成为希望充分利用时间序列分析潜力的组织的高影响力工具。
开始使用 NV-Tesseract
NV-Tesseract 最初将通过具有评估许可证的 客户预览版提供，让您抢先了解其先进的时间序列建模功能。 立即联系 NVIDIA DGX 云团队 ，安排演示，讨论您的时间序列要求，并探索 NV-Tesseract 如何成为分析工作流程的基石。
参加 GTC 台北 COMPUTEX 2025？ 欢迎观看 5 月 21 日举办的 “An Introduction to the NV-Tesseract 时间序列模型系列简介【STW51034】” 会议。
