باختصار
الالتفاف الزمني (Temporal Convolution) هو تطبيق مرشّح صغير ينزلق على طول محور الزمن في السلسلة، ليستخرج الأنماط المحلّية في كل نافذة.
بالتفصيل
الالتفاف معروف في الصور: مرشّح صغير بيمشي على البكسلات ويكتشف حوافّ وزوايا. الالتفاف الزمني نفس الفكرة لكن ببعد واحد — المرشّح بيمشي على الخطوات الزمنية بدل البكسلات.
حجم المرشّح (Kernel Size) بيحدّد اتّساع النافذة. مرشّح بحجم 3 بيشوف ثلاث خطوات زمنية متتالية في كل مرّة. ومع تكديس طبقات، بيتّسع «المجال المستقبِل» تدريجيًا فيغطّي مدى أطول.
الميزة الأساسية مقارنةً بالانتباه الذاتي هي الكفاءة والانحياز الاستقرائي. الالتفاف بيفترض ضمنيًا إن النقاط القريبة زمنيًا أكثر ارتباطًا — وهو افتراض صحيح في معظم السلاسل الزمنية، وبيوفّر على النموذج تعلّمه من الصفر. وتكلفته الحسابية أقلّ بكثير من الانتباه على السياقات الطويلة.
وعيبه المقابل: مداه محدود. علاقة بين نقطة اليوم ونقطة قبل سنة صعب يلتقطها الالتفاف وحده.
عشان كده البنى الحديثة بتدمج الاثنين بدل الاختيار بينهما. في نموذج Granite PatchTST-FM-r2 من IBM، الانتقال من طبقات الترانسفورمر القياسية إلى طبقات الكونفورمر معناه بالظبط إضافة التفاف زمني جنب الانتباه متعدّد الرؤوس. والنتيجة المرصودة إن الانتباه اتحرّر ليركّز على المسافات البعيدة، بعدما غطّى الالتفاف المسافات القصيرة. وتستخدم كتل العمود الفقري أحجام نواة متناوبة 3 و5 بنمط متكرّر {5، 5، 3، 3}.
مثال عملي
بيانات ضربات قلب كل ثانية. النبضة الواحدة نمط محلّي بيمتدّ على أقلّ من ثانيتين — ده بالظبط شغل مرشّح التفاف بحجم صغير، هيتعلّم شكل النبضة ويكتشفها في أي مكان في التسجيل.
أما «هل معدّل النبض الليلة أعلى من الليلة الماضية؟» فده سؤال بعيد المدى، محتاج انتباه أو سياقًا أطول.
مصطلحات مرتبطة
- Conformer — كونفورمر، البنية اللي بتدمجه مع الانتباه.
- Self-Attention — الانتباه الذاتي، البديل بعيد المدى.
- Kernel Size — حجم النواة، المعامل اللي بيحدّد اتّساع النافذة.
المصادر: Hugging Face — 2026-09-09
