Краткое содержание

arXiv:2511.13510v1 Тип: новая работа Аннотация: В данной статье представлен Naga, подход к глубокому кодированию на основе моделей пространства состояний (SSM), вдохновленный структурными концепциями ведической математики. Предлагаемый метод вводит двунаправленное представление для временных рядов за счет совместной обработки прямой и обращенной во времени входных последовательностей. Эти представления затем объединяются посредством поэлементного (адамарова) взаимодействия, что приводит к ведически вдохновленному кодированию, которое усиливает способность модели улавливать временные зависимости между удаленными временными шагами. Мы оцениваем Naga на нескольких эталонных тестах долгосрочного прогнозирования временных рядов (LTSF), включая ETTh1, ETTh2, ETTm1, ETTm2, Weather, Traffic и ILI. Результаты экспериментов показывают, что Naga превосходит 28 современных моделей-лидеров и демонстрирует повышенную эффективность по сравнению с существующими подходами на основе глубоких SSM. Полученные данные позволяют предположить, что включение структурированной, ведически вдохновленной декомпозиции может обеспечить интерпретируемое и вычислительно эффекти