論文の概要: Short-term prediction of Time Series based on bounding techniques
- arxiv url: http://arxiv.org/abs/2101.10719v1
- Date: Tue, 26 Jan 2021 11:27:36 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-14 09:51:56.874449
- Title: Short-term prediction of Time Series based on bounding techniques
- Title(参考訳): 境界手法に基づく時系列の短期予測
- Authors: Pedro Cadah\'ia and Jose Manuel Bravo Caro
- Abstract要約: 本稿では,新しい非パラメトリック手法を用いて時系列フレームワークの予測問題を再考する。
この革新は、予測誤差の上限を得るために、決定論的および決定論的確率的仮定の両方を考慮することである。
提案する予測器が予測スキームにおいて適切な結果を得ることができ、古典的非パラメトリック法に対する興味深い代替手段であることを示すためのベンチマークを含む。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper it is reconsidered the prediction problem in time series
framework by using a new non-parametric approach. Through this reconsideration,
the prediction is obtained by a weighted sum of past observed data. These
weights are obtained by solving a constrained linear optimization problem that
minimizes an outer bound of the prediction error. The innovation is to consider
both deterministic and stochastic assumptions in order to obtain the upper
bound of the prediction error, a tuning parameter is used to balance these
deterministic-stochastic assumptions in order to improve the predictor
performance. A benchmark is included to illustrate that the proposed predictor
can obtain suitable results in a prediction scheme, and can be an interesting
alternative method to the classical non-parametric methods. Besides, it is
shown how this model can outperform the preexisting ones in a short term
forecast.
- Abstract(参考訳): 本稿では,新しい非パラメトリック手法を用いて,時系列フレームワークにおける予測問題を再検討する。
この再検討により、過去の観測データの重み付け和によって予測を得る。
これらの重みは、予測誤差の外界を最小限に抑える制約付き線形最適化問題を解くことで得られる。
予測誤差の上限を得るために決定論的仮定と確率的仮定の両方を考慮し、これらの決定論的確率的仮定のバランスをとるためにチューニングパラメータを用いて予測器の性能を向上させる。
提案する予測器が予測スキームにおいて適切な結果を得ることができ、古典的非パラメトリック法に対する興味深い代替手段であることを示すためのベンチマークを含む。
さらに、このモデルが、短時間の予測で既存のモデルよりも優れていることを示す。
関連論文リスト
- 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) - Invariant Probabilistic Prediction [45.88151520988133]
任意の分布シフトは、一般に不変かつ頑健な確率的予測を認めないことを示す。
Invariant probabilistic predictions called IPP, and study the consistency of the underlying parameters。
論文 参考訳(メタデータ) (2023-09-18T18:50:24Z) - Heteroskedastic conformal regression [14.504146200189057]
近年の研究では、分割共形予測は、限界被覆に着目した場合、最先端の予測間隔を生み出すことが示されている。
本稿では,正規化やモンドリアン共形予測などの手法を用いて適応予測区間を構築する方法について,新たな光を当てる。
論文 参考訳(メタデータ) (2023-09-15T11:10:46Z) - Variational Prediction [95.00085314353436]
本稿では,変動境界を用いた後部予測分布に対する変動近似の学習手法を提案する。
このアプローチは、テスト時間の限界化コストを伴わずに、優れた予測分布を提供することができる。
論文 参考訳(メタデータ) (2023-07-14T18:19:31Z) - Sequential Predictive Conformal Inference for Time Series [16.38369532102931]
逐次データ(例えば時系列)に対する分布自由共形予測アルゴリズムを提案する。
具体的には,時系列データは交換不可能であり,既存の共形予測アルゴリズムでは適用できない性質を具体的に説明する。
論文 参考訳(メタデータ) (2022-12-07T05:07:27Z) - Predictive Inference with Feature Conformal Prediction [80.77443423828315]
本稿では,特徴空間への共形予測の範囲を拡大する特徴共形予測を提案する。
理論的観点からは、特徴共形予測は軽度の仮定の下で正則共形予測よりも確実に優れていることを示す。
提案手法は,バニラ共形予測だけでなく,他の適応共形予測手法と組み合わせることができる。
論文 参考訳(メタデータ) (2022-10-01T02:57:37Z) - Uncertainty estimation of pedestrian future trajectory using Bayesian
approximation [137.00426219455116]
動的トラフィックシナリオでは、決定論的予測に基づく計画は信頼できない。
著者らは、決定論的アプローチが捉えられない近似を用いて予測中の不確実性を定量化する。
将来の状態の不確実性に対する降雨重量と長期予測の影響について検討した。
論文 参考訳(メタデータ) (2022-05-04T04:23:38Z) - Dense Uncertainty Estimation [62.23555922631451]
本稿では,ニューラルネットワークと不確実性推定手法について検討し,正確な決定論的予測と確実性推定の両方を実現する。
本研究では,アンサンブルに基づく手法と生成モデルに基づく手法の2つの不確実性推定法について検討し,それらの長所と短所を,完全/半端/弱度に制御されたフレームワークを用いて説明する。
論文 参考訳(メタデータ) (2021-10-13T01:23:48Z) - CovarianceNet: Conditional Generative Model for Correct Covariance
Prediction in Human Motion Prediction [71.31516599226606]
本稿では,将来の軌道の予測分布に関連する不確かさを正確に予測する手法を提案する。
我々のアプローチであるCovariaceNetは、ガウス潜在変数を持つ条件付き生成モデルに基づいている。
論文 参考訳(メタデータ) (2021-09-07T09:38:24Z) - Explainable boosted linear regression for time series forecasting [0.1876920697241348]
時系列予測では、過去の観測を収集し分析し、将来の観測を外挿するモデルを開発する。
時系列予測のための説明可能な強化線形回帰(EBLR)アルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-09-18T22:31:42Z)
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。