Temporal convolution

Временная свёртка — это способ анализа последовательностей (звук, текст, котировки), при котором алгоритм изучает не отдельные моменты, а их локальные группы во времени. Если обычная свёртка ищет закономерности в пространстве (уголки, линии), то временная скользит по ряду чисел и выявляет короткие повторяющиеся паттерны — скачок цены, интонационный изгиб.

Это важно, потому что многие задачи ИИ имеют временную природу: прогноз погоды, речь, сердечный ритм. Модели, видящие лишь мгновенный снимок, теряют контекст. Временная свёртка учитывает его без огромных затрат и стала ключевым элементом нейросетей для последовательностей.

Как это устроено? Представьте график температуры за неделю. Вместо запоминания всех измерений берётся окошко на три часа, по нему вычисляется признак — например, скорость роста. Окно сдвигается на шаг, операция повторяется. На выходе — сжатый ряд, где каждая точка «видит» кусок сигнала. Накладывая несколько свёрток, модель улавливает зависимости на недели и месяцы.

Пример: в распознавании речи свёртка отличает «ба» от «па» — эти звуки различаются крошечным промежутком между взрывом и колебанием связок. Свёртка скользит по аудио, ловит паттерн и передаёт в сеть.

Коротко: временная свёртка — это умный фильтр, превращающий временной поток в содержательные фрагменты. Она позволяет алгоритмам чувствовать ритм и порядок событий, оставаясь быстрой даже при больших данных.