論文の概要: Deep Learning for Time Series Forecasting: Tutorial and Literature
Survey
- arxiv url: http://arxiv.org/abs/2004.10240v2
- Date: Wed, 15 Jun 2022 20:16:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-11 06:13:08.723833
- Title: Deep Learning for Time Series Forecasting: Tutorial and Literature
Survey
- Title(参考訳): 時系列予測のためのディープラーニング:チュートリアルと文献調査
- Authors: Konstantinos Benidis, Syama Sundar Rangapuram, Valentin Flunkert,
Yuyang Wang, Danielle Maddix, Caner Turkmen, Jan Gasthaus, Michael
Bohlke-Schneider, David Salinas, Lorenzo Stella, Francois-Xavier Aubet,
Laurent Callot, Tim Januschowski
- Abstract要約: 深層学習に基づく予測手法は時系列予測や予測の多くの応用において選択の方法となっている。
この記事では、その分野の紹介と概要について説明する。
- 参考スコア(独自算出の注目度): 21.33538468735926
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Deep learning based forecasting methods have become the methods of choice in
many applications of time series prediction or forecasting often outperforming
other approaches. Consequently, over the last years, these methods are now
ubiquitous in large-scale industrial forecasting applications and have
consistently ranked among the best entries in forecasting competitions (e.g.,
M4 and M5). This practical success has further increased the academic interest
to understand and improve deep forecasting methods. In this article we provide
an introduction and overview of the field: We present important building blocks
for deep forecasting in some depth; using these building blocks, we then survey
the breadth of the recent deep forecasting literature.
- Abstract(参考訳): 深層学習に基づく予測手法は、時系列予測や予測の多くの応用において、他の手法よりも優れている。
その結果、近年、これらの手法は大規模産業予測アプリケーションで広く普及し、一貫して予測競争(m4やm5など)において最高のエントリーにランクインしている。
この実践的な成功は、深い予測方法を理解し改善するための学術的な関心をさらに高めた。
本稿では、この分野の紹介と概要について述べる。我々は、深層予測のための重要なビルディングブロックを提示し、これらのビルディングブロックを用いて、最近の深層予測文献の幅を調査します。
関連論文リスト
- Learning-Augmented Algorithms with Explicit Predictors [67.02156211760415]
アルゴリズム設計の最近の進歩は、過去のデータと現在のデータから得られた機械学習モデルによる予測の活用方法を示している。
この文脈における以前の研究は、予測器が過去のデータに基づいて事前訓練され、ブラックボックスとして使用されるパラダイムに焦点を当てていた。
本研究では,予測器を解き,アルゴリズムの課題の中で生じる学習問題を統合する。
論文 参考訳(メタデータ) (2024-03-12T08:40:21Z) - Taming Pre-trained LLMs for Generalised Time Series Forecasting via
Cross-modal Knowledge Distillation [62.46869075841118]
我々はLLaTAと呼ばれる新しい大規模言語モデルと時系列アライメントフレームワークを提案し、時系列予測課題におけるLLMの可能性を完全に解き放つ。
提案手法は, クロスモーダルな知識蒸留に基づいて, 入力に依存しない静的知識と, 事前学習LLMにおける入力依存動的知識の両方を利用する。
論文 参考訳(メタデータ) (2024-03-12T04:04:38Z) - Loss Shaping Constraints for Long-Term Time Series Forecasting [86.6877920044998]
本稿では,長期時系列予測のための制約付き学習手法を提案する。
提案手法は, 予測ウィンドウ上でエラーを発生させながら, 時系列ベンチマークにおける競合平均性能を示すことを示すための, 実用的なプリマル・デュアルアルゴリズムを提案する。
論文 参考訳(メタデータ) (2024-02-14T18:20:44Z) - Counterfactual Explanations for Time Series Forecasting [14.03870816983583]
本稿では,時系列予測における対実生成の新たな問題を定式化し,ForecastCFと呼ばれるアルゴリズムを提案する。
ForecastCFは、勾配に基づく摂動を元の時系列に適用することで、この問題を解決する。
以上の結果から,ForecastCFは,逆ファクト的妥当性とデータ多様体の近接性の観点から,ベースラインよりも優れていた。
論文 参考訳(メタデータ) (2023-10-12T08:51:59Z) - Position Paper: An Integrated Perspective on Data, Metrics, and
Methodology for Deep Time-Series Forecasting [25.84249170034528]
深層時系列予測は多くの実践的応用において重要な役割を担っている。
包括的なフレームワークを提案することで、現在の予測プラクティスの限界を超越することを目指している。
論文 参考訳(メタデータ) (2023-10-11T12:48:45Z) - Performative Time-Series Forecasting [71.18553214204978]
我々は,機械学習の観点から,パフォーマンス時系列予測(PeTS)を定式化する。
本稿では,予測分布シフトに対する遅延応答の概念を活用する新しい手法であるFeature Performative-Shifting(FPS)を提案する。
新型コロナウイルスの複数の時系列モデルと交通予報タスクを用いた総合的な実験を行った。
論文 参考訳(メタデータ) (2023-10-09T18:34:29Z) - A Discussion on Generalization in Next-Activity Prediction [1.2289361708127877]
一般的に使用されるイベントログには、膨大な量のサンプルリークがあることが示されています。
我々は、ロバストな評価を設計するには、次の活動予測のトピックとより深い概念的関与が必要であると論じる。
論文 参考訳(メタデータ) (2023-09-18T09:42:36Z) - Long Range Probabilistic Forecasting in Time-Series using High Order
Statistics [19.12411040726229]
本稿では,ベースレベルとアグリゲーション統計量で一致した予測を生成する新しい確率予測手法を提案する。
提案手法は,3つの領域にまたがる実際のデータセットにおいて,ベースレベルと非表示アグリゲーションの両方で予測性能を向上することを示す。
論文 参考訳(メタデータ) (2021-11-05T11:10:35Z) - Quantifying Uncertainty in Deep Spatiotemporal Forecasting [67.77102283276409]
本稿では,正規格子法とグラフ法という2種類の予測問題について述べる。
我々はベイジアンおよび頻繁な視点からUQ法を解析し、統計的決定理論を通じて統一的な枠組みを提示する。
実際の道路ネットワークのトラフィック、疫病、空気質予測タスクに関する広範な実験を通じて、異なるUQ手法の統計計算トレードオフを明らかにする。
論文 参考訳(メタデータ) (2021-05-25T14:35:46Z) - Challenges and approaches to time-series forecasting in data center
telemetry: A Survey [0.0]
この研究は、データセンターで収集されたテレメトリデータ予測のための様々な予測アプローチのレビューに重点を置いている。
我々は、よく知られた時系列予測技術の性能を要約し、評価しようと試みた。
論文 参考訳(メタデータ) (2021-01-11T22:36:21Z) - Forecasting: theory and practice [65.71277206849244]
本稿は、理論と予測の実践について、非体系的なレビューを提供する。
我々は、幅広い理論的、最先端のモデル、方法、原則、アプローチの概要を提供する。
そして、そのような理論概念が様々な実生活の文脈でどのように適用されるかを示す。
論文 参考訳(メタデータ) (2020-12-04T16:56:44Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。