Краткое содержание

arXiv:2511.12955v1 Тип: новая публикация Аннотация: Классификация многомерных временных рядов все чаще исследуется в физике космической погоды как средство прогнозирования мощных солнечных вспышек, способных вызывать масштабные сбои в работе современных технологических систем. Измерения магнитного поля солнечных активных областей преобразуются в структурированные многомерные временные ряды, что позволяет создавать прогнозные модели для сегментированных окон наблюдения. Однако присущий солнечным вспышкам дисбаланс, когда мощные вспышки встречаются значительно реже слабых, создает серьезное препятствие для эффективного обучения. Для решения этой проблемы мы предлагаем новую архитектуру Global Cross-Time Attention Fusion (GCTAF) — трансформерную модель для улучшения моделирования долговременных временных зависимостей. В отличие от традиционных механизмов самовнимания, которые опираются исключительно на локальные взаимодействия внутри временного ряда, GCTAF внедряет набор обучаемых глобальных токенов перекрестного внимания, которые агрегируют наиболее значимые временные