«Сбер» создал гиперсетевую модель для прогнозирования многомерных временных рядов. Она предназначена для настройки нейросетей, которые обрабатывают данные со множества объектов.

Модель анализирует особенности каждого потока данных, например характер потребления электроэнергии в определенной квартире или закономерности движения на определенной улице. После этого она создает для каждого сигнала индивидуальные настройки прогнозирования.

Гиперсеть активна только на этапе обучения, поэтому система не замедляется при составлении прогнозов в реальном времени. По оценке «Сбера», их решение повышает точность предсказаний до 20% и может заменить разработку сложной модели с большим количеством параметров.

Модель подключается к большинству существующих систем прогнозирования. Например, ее можно использовать в энергетике для прогноза нагрузки, в логистике для управления светофорами, в финансах для анализа взаимного влияния акций в портфеле, в медицине и экологии для предсказания состояния пациента или погоды по данным датчиков.