Вышла наша новая статья по AutoML-тематике - в Q1-AI журнале Knowledge-Based Systems:

One AutoML to rule them all: Unified kernel-based approach for automated time series classification, regression and forecasting

Авторы: Илья Ревин, Вадим Потемкин, Николай Никитин.

Текст тут: https://authors.elsevier.com/c/1n7qW3OAb9KceY

Толкиновские отсылки объясняются следующим - вместо отдельных AutoML-инструментов под классификацию, регрессию и прогнозирование временных рядов сделан единый пайплайн, который сам подбирает нужное представление данных.

Как это работает:

Временной ряд превращается в матрицу признаков через набор ядерных функций - статистику, частоты, топологию. Эволюционный алгоритм потом решает, какие из них нужны для конкретной задачи и как их скомбинировать. Для прогнозирования добавлен отдельный алгоритм MoKA (Mixture of Kernel Assumptions): сначала ряды кластеризуются, затем каждому кластеру назначается своя стартовая модель. Это ускоряет сходимость.

Для задач классификации рядов предложенный подход является лучшим среди среди 12 методов-конкурентов, по задачам регрессии и прогнозирования - результаты близки лидирующим подходам, основанным на гораздо более "тяжелых" моделях глубокого обучения.

Все наработки интегрированы в фреймворк https://github.com/aimclub/Fedot.Industrial

Рецензенты восприняли статью позитивно, но конечно строки рецензирования в 2026 удручают - полный цикл занял год.

Для цитирования:

@article{revin2026oneautoml,
title = {One AutoML to rule them all: Unified kernel-based approach for automated time series classification, regression and forecasting},
journal = {Knowledge-Based Systems},
volume = {346},
pages = {116211},
year = {2026},
issn = {0950-7051},
doi = {https://doi.org/10.1016/j.knosys.2026.116211},
url = {https://www.sciencedirect.com/science/article/pii/S0950705126009378},
author = {Ilia Revin and Vadim Potemkin and Nikolay O. Nikitin},
}