Fugu-MT 論文翻訳(概要): Forecasting time series with encoder-decoder neural networks

論文の概要: Forecasting time series with encoder-decoder neural networks

arxiv url: http://arxiv.org/abs/2009.08848v1
Date: Fri, 18 Sep 2020 14:07:38 GMT
ステータス: 処理完了
システム内更新日: 2022-10-17 03:33:53.902294
Title: Forecasting time series with encoder-decoder neural networks
Title（参考訳）: エンコーダデコーダニューラルネットワークによる予測時系列
Authors: Nathawut Phandoidaen, Stefan Richter
Abstract要約: 圧縮された過去の観測結果から新しい観測結果が生成される高次元定常過程を考察する。特定の進化はエンコーダ・デコーダ構造によってモデル化される。エンコーダ・デコーダニューラルネットワークによる進化を推定し,予測誤差の上限を与える。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we consider high-dimensional stationary processes where a new observation is generated from a compressed version of past observations. The specific evolution is modeled by an encoder-decoder structure. We estimate the evolution with an encoder-decoder neural network and give upper bounds for the expected forecast error under specific structural and sparsity assumptions. The results are shown separately for conditions either on the absolutely regular mixing coefficients or the functional dependence measure of the observed process. In a quantitative simulation we discuss the behavior of the network estimator under different model assumptions. We corroborate our theory by a real data example where we consider forecasting temperature data.
Abstract（参考訳）: 本稿では,過去観測の圧縮版から新しい観測結果が生成される高次元定常過程について考察する。特定の進化はエンコーダ・デコーダ構造によってモデル化される。エンコーダ・デコーダニューラルネットワークによる進化を推定し、特定の構造的および空間的仮定の下で予測誤差の上限を与える。結果は, 観測過程の絶対正則混合係数と関数依存測度のいずれかの条件について, それぞれ別々に示される。定量的シミュレーションでは,ネットワーク推定器の挙動を異なるモデル仮定下で検討する。我々は、予測温度データを考える実データ例により、我々の理論を裏付ける。

関連論文リスト

Towards Theoretical Understandings of Self-Consuming Generative Models [56.84592466204185]
本稿では,自己消費ループ内で生成モデルを訓練する新たな課題に取り組む。我々は,このトレーニングが将来のモデルで学習したデータ分布に与える影響を厳格に評価するための理論的枠組みを構築した。カーネル密度推定の結果は,混合データトレーニングがエラー伝播に与える影響など,微妙な洞察を与える。
論文参考訳（メタデータ） (2024-02-19T02:08:09Z)
Postprocessing of Ensemble Weather Forecasts Using Permutation-invariant Neural Networks [0.0]
予測アンサンブルを未順序メンバー予測の集合として扱うネットワークを提案する。キャリブレーションとシャープネスの観点から,得られた予測分布の質を評価する。以上の結果から,関連する情報の大部分は,ある程度の自由度に含まれていることが示唆された。
論文参考訳（メタデータ） (2023-09-08T17:20:51Z)
Structured Radial Basis Function Network: Modelling Diversity for Multiple Hypotheses Prediction [51.82628081279621]
多重モード回帰は非定常過程の予測や分布の複雑な混合において重要である。構造的放射基底関数ネットワークは回帰問題に対する複数の仮説予測器のアンサンブルとして提示される。この構造モデルにより, このテッセルレーションを効率よく補間し, 複数の仮説対象分布を近似することが可能であることが証明された。
論文参考訳（メタデータ） (2023-09-02T01:27:53Z)
Theoretical analysis of deep neural networks for temporally dependent observations [1.6752182911522522]
非線形時系列データのモデリングにおけるディープニューラルネットワークの理論的性質について検討する。結果は、様々な数値シミュレーション設定とマクロ経済データセットへの応用を通してサポートされる。
論文参考訳（メタデータ） (2022-10-20T18:56:37Z)
TACTiS: Transformer-Attentional Copulas for Time Series [76.71406465526454]
時間変化量の推定は、医療や金融などの分野における意思決定の基本的な構成要素である。本稿では,アテンションベースデコーダを用いて関節分布を推定する多元的手法を提案する。本研究では,本モデルが実世界の複数のデータセットに対して最先端の予測を生成することを示す。
論文参考訳（メタデータ） (2022-02-07T21:37:29Z)
Differentiable Generalised Predictive Coding [2.868176771215219]
本稿では,脳の機能を内部生成モデルの階層的洗練とみなすニューラルプロセス理論と相反する,微分可能な力学モデルについて述べる。我々の研究は、勾配に基づく予測符号化の既存の実装を拡張し、非線形状態パラメータ化のためのディープニューラルネットワークを統合することができる。
論文参考訳（メタデータ） (2021-12-02T22:02:56Z)
Anomaly Detection of Time Series with Smoothness-Inducing Sequential Variational Auto-Encoder [59.69303945834122]
Smoothness-Inducing Sequential Variational Auto-Encoder (SISVAE) モデルを提案する。我々のモデルは、フレキシブルニューラルネットワークを用いて各タイムスタンプの平均と分散をパラメータ化する。合成データセットと公開実世界のベンチマークの両方において,本モデルの有効性を示す。
論文参考訳（メタデータ） (2021-02-02T06:15:15Z)
Synergetic Learning of Heterogeneous Temporal Sequences for Multi-Horizon Probabilistic Forecasting [48.8617204809538]
本稿では,新しい条件生成モデルである変分相乗型マルチホライゾンネットワーク(VSMHN)を提案する。不均一なシーケンス間で複雑な相関関係を学習するために、深部プロセスモデルと変動的リカレントニューラルネットワークの進歩を組み合わせるために、調整されたエンコーダが考案された。我々のモデルは変動予測を用いて効果的に訓練でき、モンテカルロシミュレーションを用いて予測を生成することができる。
論文参考訳（メタデータ） (2021-01-31T11:00:55Z)
Dynamic Time Warping as a New Evaluation for Dst Forecast with Machine Learning [0.0]
ニューラルネットワークをトレーニングして、発生時刻の暴風雨時指数を1時間から6時間まで予測する。相関係数とRMSEによるモデルの結果の検査により,最新の論文に匹敵する性能を示した。 2つの時系列が互いに時間的にずれているかどうかを測定するために,新しい手法を提案する。
論文参考訳（メタデータ） (2020-06-08T15:14:13Z)
Anomaly Detection And Classification In Time Series With Kervolutional Neural Networks [1.3535770763481902]
本稿では,時系列データに適用された進化型ニューラルネットワークの可能性について検討する。畳み込み層とケール畳み込み層を混在させることでモデル性能が向上することを示した。本稿では,時間的自動エンコーダを用いた残差に基づく異常検出手法を提案する。
論文参考訳（メタデータ） (2020-05-14T15:45:11Z)
Forecasting Sequential Data using Consistent Koopman Autoencoders [52.209416711500005]
クープマン理論に関連する新しい物理学に基づく手法が導入された。本稿では,既存の作業の多くと異なり,前方・後方のダイナミクスを生かした新しいコンシスタント・クープマン・オートエンコーダモデルを提案する。このアプローチの鍵となるのは、一貫性のある力学と関連するクープマン作用素との相互作用を探索する新しい解析である。
論文参考訳（メタデータ） (2020-03-04T18:24:30Z)

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。