Rete Neurale Transformer Ottimizzata per il Rilevamento di Anomalie in Tempo Reale su FPGA

Un nuovo preprint su arXiv (2607.22786) propone l'ottimizzazione dell'inferenza della rete neurale Transformer per il rilevamento in tempo reale di anomalie in serie temporali finanziarie, come i prezzi degli asset. Il lavoro affronta il crescente volume di dati finanziari che spesso contengono errori o valori anomali, rendendo inaffidabile l'elaborazione a valle. I Transformer, noti per le prestazioni superiori in NLP e visione artificiale, vengono sfruttati per la loro capacità di catturare dipendenze a lungo raggio, che favorisce la modellazione di serie temporali e il rilevamento di anomalie. L'ottimizzazione mira alla distribuzione su FPGA per velocità e accuratezza nella pulizia dei dati.