PhysAttNet: Aprimorando o Desempenho Preditivo em Séries Temporais Industriais e Astrofísicas por meio de Atenção Informada por Física

arXiv:2608.07681v1 Tipo de anúncio: novo Resumo: A previsão precisa e robusta de séries temporais é essencial em muitas aplicações que envolvem processos físicos, como o monitoramento de manufatura e a detecção de eventos astrofísicos. Nesses cenários, os modelos preditivos precisam permanecer confiáveis sob ruído, variabilidade e incerteza de medição, ao mesmo tempo em que capturam estruturas temporalmente localizadas que correspondem a eventos fisicamente significativos. As redes neurais convolucionais (CNNs) são amplamente utilizadas para tais tarefas d...