論文の概要: Neural Time Series Analysis with Fourier Transform: A Survey
- arxiv url: http://arxiv.org/abs/2302.02173v1
- Date: Sat, 4 Feb 2023 14:33:07 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-07 19:48:05.715969
- Title: Neural Time Series Analysis with Fourier Transform: A Survey
- Title(参考訳): フーリエ変換を用いたニューラル時系列解析:サーベイ
- Authors: Kun Yi and Qi Zhang and Shoujin Wang and Hui He and Guodong Long and
Zhendong Niu
- Abstract要約: 本稿では、フーリエ変換を用いたニューラル時系列解析の研究について概観する。
本研究では,既存の時系列解析手法を4つの観点から分類する新しい分類法を提案する。
- 参考スコア(独自算出の注目度): 39.92488174688293
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recently, Fourier transform has been widely introduced into deep neural
networks to further advance the state-of-the-art regarding both accuracy and
efficiency of time series analysis. The advantages of the Fourier transform for
time series analysis, such as efficiency and global view, have been rapidly
explored and exploited, exhibiting a promising deep learning paradigm for time
series analysis. However, although increasing attention has been attracted and
research is flourishing in this emerging area, there lacks a systematic review
of the variety of existing studies in the area. To this end, in this paper, we
provide a comprehensive review of studies on neural time series analysis with
Fourier transform. We aim to systematically investigate and summarize the
latest research progress. Accordingly, we propose a novel taxonomy to
categorize existing neural time series analysis methods from four perspectives,
including characteristics, usage paradigms, network design, and applications.
We also share some new research directions in this vibrant area.
- Abstract(参考訳): 近年、フーリエ変換が深層ニューラルネットワークに広く導入され、時系列解析の精度と効率の両面で最先端技術が進歩している。
効率性やグローバルビューなどの時系列解析におけるフーリエ変換の利点は急速に研究され、時系列解析のための有望なディープラーニングパラダイムが提示されている。
しかし、この新興地域では注目が高まり、研究が盛んになっているが、既存の研究の体系的な見直しが欠如している。
そこで本稿では,フーリエ変換を用いた時系列解析の研究の包括的レビューを行う。
我々は,最新の研究成果を体系的に調査し,要約することを目的とする。
そこで我々は,既存のニューラルネットワーク時系列解析手法を特徴,利用パラダイム,ネットワーク設計,応用の4つの観点から分類する新しい分類法を提案する。
我々はまた、この活気ある地域で新しい研究の方向性を共有している。
関連論文リスト
- PDETime: Rethinking Long-Term Multivariate Time Series Forecasting from
the perspective of partial differential equations [49.80959046861793]
本稿では,ニューラルPDEソルバの原理に着想を得た新しいLMTFモデルであるPDETimeを提案する。
7つの異なる時間的実世界のLMTFデータセットを用いた実験により、PDETimeがデータ固有の性質に効果的に適応できることが判明した。
論文 参考訳(メタデータ) (2024-02-25T17:39:44Z) - Incorporating Taylor Series and Recursive Structure in Neural Networks
for Time Series Prediction [0.29008108937701327]
時系列分析は物理学、生物学、化学、金融など様々な分野に関係している。
本稿では、ResNet構造から要素を統合するニューラルネットワークアーキテクチャについて紹介し、革新的なTaylorシリーズフレームワークを紹介した。
論文 参考訳(メタデータ) (2024-02-09T14:34:28Z) - Position Paper: What Can Large Language Models Tell Us about Time Series
Analysis [72.33053089061899]
現在の大規模言語モデル(LLM)は時系列解析に革命をもたらす可能性があると我々は主張する。
このような進歩は、モダリティスイッチングや時系列質問応答など、幅広い可能性を解き放つ可能性がある。
論文 参考訳(メタデータ) (2024-02-05T04:17:49Z) - The Bigger the Better? Rethinking the Effective Model Scale in Long-term
Time Series Forecasting [57.00348861248051]
時系列予測は時系列分析において重要なフロンティアである。
階層的な分解で拡張された軽量トランスフォーマーであるHDformerを紹介する。
HDformerは既存のLTSFモデルよりも優れており、パラメータは99%以上少ない。
論文 参考訳(メタデータ) (2024-01-22T13:15:40Z) - Exploring Progress in Multivariate Time Series Forecasting:
Comprehensive Benchmarking and Heterogeneity Analysis [72.18987459587682]
MTS予測における公正な比較のために設計されたベンチマークであるBasicTSを紹介する。
MTSデータセットの不均一性を強調し、時間的特徴と空間的特徴に基づいて分類する。
論文 参考訳(メタデータ) (2023-10-09T19:52:22Z) - Towards Flexible Time-to-event Modeling: Optimizing Neural Networks via
Rank Regression [17.684526928033065]
我々はDART(Time-to-event Prediction)のためのDeep AFT Rank-regressionモデルを導入する。
このモデルは、表現学習において効率的で信頼性の高いゲハンのランク統計に基づく客観的関数を用いる。
提案手法は, 生存時間分布に分布仮定を課さない半パラメトリックなAFTモデリング手法である。
論文 参考訳(メタデータ) (2023-07-16T13:58:28Z) - TFAD: A Decomposition Time Series Anomaly Detection Architecture with
Time-Frequency Analysis [12.867257563413972]
時系列異常検出は、複雑な時間的依存と限られたラベルデータのために難しい問題である。
本稿では,時間領域と周波数領域の両方を利用した時間周波数解析に基づく時系列異常検出モデル(TFAD)を提案する。
論文 参考訳(メタデータ) (2022-10-18T09:08:57Z) - Temporal Relevance Analysis for Video Action Models [70.39411261685963]
まず,CNNに基づく行動モデルにより捉えたフレーム間の時間的関係を定量化する手法を提案する。
次に、時間的モデリングがどのように影響を受けるかをよりよく理解するために、包括的な実験と詳細な分析を行います。
論文 参考訳(メタデータ) (2022-04-25T19:06:48Z) - Finite-Time Analysis of Temporal Difference Learning: Discrete-Time
Linear System Perspective [3.5823366350053325]
TD学習は強化学習(RL)の分野における基礎的アルゴリズムである
最近の研究では、有限時間誤差境界を開発することで、その統計的効率に関する保証を明らかにしている。
論文 参考訳(メタデータ) (2022-04-22T03:21:30Z)
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。
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。