論文の概要: Dual reparametrized Variational Generative Model for Time-Series Forecasting

• arxiv url: http://arxiv.org/abs/2203.05766v1
• Date: Fri, 11 Mar 2022 06:02:16 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-14 12:26:46.551536
• Title: Dual reparametrized Variational Generative Model for Time-Series Forecasting
• Title（参考訳）: 時系列予測のための2重再パラメータ変分生成モデル
• Authors: Ziang Chen
• Abstract要約: 本稿では,変分オートエンコーダ(VAE)の2つの再パラメータ化変分機構を導入し,解析的性能を実証する。 DualVDTは、新しい二重再パラメータ構造を持ち、分析的にも実験的にも高度な性能を持つ。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This paper propose DualVDT, a generative model for Time-series forecasting. Introduced dual reparametrized variational mechanisms on variational autoencoder (VAE) to tighter the evidence lower bound (ELBO) of the model, prove the advance performance analytically. This mechanism leverage the latent score based generative model (SGM), explicitly denoising the perturbation accumulated on latent vector through reverse time stochastic differential equation and variational ancestral sampling. The posterior of denoised latent distribution fused with dual reparametrized variational density. The KL divergence in ELBO will reduce to reach the better results of the model. This paper also proposed a latent attention mechanisms to extract multivariate dependency explicitly. Build the local temporal dependency simultaneously in factor wised through constructed local topology and temporal wised. The proven and experiment on multiple datasets illustrate, DualVDT, with a novel dual reparametrized structure, which denoise the latent perturbation through the reverse dynamics combining local-temporal inference, has the advanced performance both analytically and experimentally.
• Abstract（参考訳）: 本稿では,時系列予測のための生成モデルであるDualVDTを提案する。 モデル内のエビデンスローバウンド(ELBO)を厳格化するために, 変分オートエンコーダ(VAE)の二重再パラメータ化変分機構を導入した。 このメカニズムは潜在スコアに基づく生成モデル(sgm)を利用し、逆時間確率微分方程式と変動型祖先サンプリングによって潜在ベクトルに蓄積された摂動を明示的に弁別する。 脱離潜伏分布の後方は二重再パラメータ化変分密度で融合した。 エルボでのklの発散はモデルのより良い結果に到達するために減少する。 また,多変量依存を明示的に抽出する潜在注意機構を提案する。 局所的な時間的依存は、構築された局所的トポロジーと時間的ウィッドによって同時に構築する。 複数のデータセットで証明され実験されたdualvdtは、局所-時間的推論を組み合わせた逆ダイナミクスを通じて潜在摂動をデノベートする新しい双対再パラメータ構造を持ち、解析的および実験的に高度な性能を持つ。

関連論文リスト

• Robust Multivariate Time Series Forecasting against Intra- and Inter-Series Transitional Shift [40.734564394464556]
  本稿では,時系列内/時系列間の相関関係を統合的に把握し,時変遷移分布をモデル化するための統一確率グラフモデルを提案する。 6つの高定常MTSデータセットに対する広範囲な実験により、JointPGMの有効性と効率を検証した。
  論文  参考訳（メタデータ） (2024-07-18T06:16:03Z)
• Wave function propagation in a two-dimensional paramagnetic semiconductor from an impurity [0.0]
  半BHZモデル(別名QWZモデル)と呼ばれる2次元常磁性半導体のモデルへの修正をシミュレートする。 我々の修正には、格子に接続された単一および複数の不純物や、時間反転ペア間の接続として追加することが含まれる。 シミュレーションにより, 無限QWZモデルのトポロジー状態に付随する散乱挙動が示された。
  論文  参考訳（メタデータ） (2023-11-17T20:24:27Z)
• Revisiting the Temporal Modeling in Spatio-Temporal Predictive Learning under A Unified View [73.73667848619343]
  UTEP(Unified S-Temporal Predictive Learning)は,マイクロテンポラリスケールとマクロテンポラリスケールを統合した再帰的および再帰的フリーな手法を再構築する,革新的なフレームワークである。
  論文  参考訳（メタデータ） (2023-10-09T16:17:42Z)
• Inference on Causal Effects of Interventions in Time using Gaussian Processes [0.0]
  本稿では,特定の時点における介入の因果的影響を推測することに焦点を当てた。 我々は、中断した時系列のフレームワークを運用し、合成制御のようなアプローチを拡張します。 開発されたモデルには高い柔軟性があり、機能形式にはほとんど制限がない。
  論文  参考訳（メタデータ） (2022-10-06T12:10:57Z)
• Towards Robust and Adaptive Motion Forecasting: A Causal Representation Perspective [72.55093886515824]
  本稿では,3つの潜伏変数群からなる動的過程として,運動予測の因果的形式化を導入する。 我々は、因果グラフを近似するために、不変なメカニズムやスタイルの共創者の表現を分解するモジュラーアーキテクチャを考案する。 合成および実データを用いた実験結果から,提案した3つの成分は,学習した動き表現の頑健性と再利用性を大幅に向上することが示された。
  論文  参考訳（メタデータ） (2021-11-29T18:59:09Z)
• Estimation of Bivariate Structural Causal Models by Variational Gaussian Process Regression Under Likelihoods Parametrised by Normalising Flows [74.85071867225533]
  因果機構は構造因果モデルによって記述できる。 最先端の人工知能の大きな欠点の1つは、説明責任の欠如である。
  論文  参考訳（メタデータ） (2021-09-06T14:52:58Z)
• Loss function based second-order Jensen inequality and its application to particle variational inference [112.58907653042317]
  粒子変分推論(PVI)は、後部分布の実験的近似としてモデルのアンサンブルを用いる。 PVIは、最適化されたモデルの多様性を保証するために、各モデルを反発力で反復的に更新する。 我々は,新たな一般化誤差を導出し,モデルの多様性を高めて低減できることを示す。
  論文  参考訳（メタデータ） (2021-06-09T12:13:51Z)
• 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)
• The temporal overfitting problem with applications in wind power curve modeling [8.057262184815636]
  本稿では,時間的過適合問題に対処する新しい手法を提案する。 本稿では,風力エネルギーのパワー曲線モデリングを対象とする。
  論文  参考訳（メタデータ） (2020-12-02T17:39:57Z)
• Semiparametric Bayesian Forecasting of Spatial Earthquake Occurrences [77.68028443709338]
  本稿では, Epidemic Type Aftershock Sequence (ETAS) モデルのベイズ的完全定式化を提案する。 地理的領域における主震の発生は不均一な空間的点過程に従うと仮定される。
  論文  参考訳（メタデータ） (2020-02-05T10:11:26Z)

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。