論文の概要: VAEneu: A New Avenue for VAE Application on Probabilistic Forecasting

• arxiv url: http://arxiv.org/abs/2405.04252v1
• Date: Tue, 7 May 2024 12:13:11 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-08 14:20:03.683209
• Title: VAEneu: A New Avenue for VAE Application on Probabilistic Forecasting
• Title（参考訳）: VAEneu: 確率予測に基づくVAEアプリケーションのための新しいアベニュー
• Authors: Alireza Koochali, Ensiye Tahaei, Andreas Dengel, Sheraz Ahmed,
• Abstract要約: VAEneuは、多段階の単変量確率時系列予測のための革新的な自己回帰手法である。 条件付きVAEフレームワークを用いて予測分布確率関数の下限を最適化する。 VAEneuは、12データセットにわたる12のベースラインモデルに対して厳格にベンチマークされている。
• 参考スコア（独自算出の注目度）: 5.247930659596986
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents VAEneu, an innovative autoregressive method for multistep ahead univariate probabilistic time series forecasting. We employ the conditional VAE framework and optimize the lower bound of the predictive distribution likelihood function by adopting the Continuous Ranked Probability Score (CRPS), a strictly proper scoring rule, as the loss function. This novel pipeline results in forecasting sharp and well-calibrated predictive distribution. Through a comprehensive empirical study, VAEneu is rigorously benchmarked against 12 baseline models across 12 datasets. The results unequivocally demonstrate VAEneu's remarkable forecasting performance. VAEneu provides a valuable tool for quantifying future uncertainties, and our extensive empirical study lays the foundation for future comparative studies for univariate multistep ahead probabilistic forecasting.
• Abstract（参考訳）: 本稿では,一変量確率的時系列予測を先導する革新的自己回帰手法であるVAEneuを提案する。 我々は条件付きVAEフレームワークを用い、損失関数として厳格に適切な評価規則であるCRPS(Continuous Ranked Probability Score)を採用することにより、予測分布可能性関数の下限を最適化する。 このパイプラインは、鋭くよく校正された予測分布を予測する。 包括的な実証研究を通じて、VAEneuは12のデータセットにわたる12のベースラインモデルに対して厳格にベンチマークされている。 結果は、VAEneuの顕著な予測性能を明白に証明した。 VAEneuは、将来の不確実性を定量化する貴重なツールであり、我々の広範な実証的研究は、単変量多段階の確率予測のための将来の比較研究の基礎となる。

関連論文リスト

• Improving probabilistic forecasts of extreme wind speeds by training statistical post-processing models with weighted scoring rules [0.0]
  閾値重み付き連続ランク確率スコア(twCRPS)を用いたトレーニングは、後処理モデルの極端なイベント性能を向上させる。 極端事象の確率論的予測の性能が向上し,分布物体の予測性能が低下する分布体テールトレードオフが発見された。
  論文  参考訳（メタデータ） (2024-07-22T11:07:52Z)
• Enhancing Mean-Reverting Time Series Prediction with Gaussian Processes: Functional and Augmented Data Structures in Financial Forecasting [0.0]
  本稿では,ガウス過程(GP)を基礎構造を持つ平均回帰時系列の予測に適用する。 GPは、平均予測だけでなく、将来の軌道上の確率分布全体を予測する可能性を提供する。 これは、不正なボラティリティ評価が資本損失につながる場合、正確な予測だけでは十分でない金融状況において特に有益である。
  論文  参考訳（メタデータ） (2024-02-23T06:09:45Z)
• When Rigidity Hurts: Soft Consistency Regularization for Probabilistic Hierarchical Time Series Forecasting [69.30930115236228]
  確率的階層的時系列予測は時系列予測の重要な変種である。 ほとんどの手法は点予測に焦点を絞っており、確率的確率分布を十分に調整していない。 ProFHiTは,階層全体の予測分布を共同でモデル化する完全確率的階層予測モデルである。
  論文  参考訳（メタデータ） (2023-10-17T20:30:16Z)
• Forecast reconciliation for vaccine supply chain optimization [61.13962963550403]
  ワクチンサプライチェーン最適化は階層的な時系列予測の恩恵を受けることができる。 異なる階層レベルの予測は、上位レベルの予測が下位レベルの予測の総和と一致しないときに不整合となる。 我々は2010年から2021年にかけてのGSKの販売データを階層的時系列としてモデル化し,ワクチン販売予測問題に取り組む。
  論文  参考訳（メタデータ） (2023-05-02T14:34:34Z)
• When Rigidity Hurts: Soft Consistency Regularization for Probabilistic Hierarchical Time Series Forecasting [69.30930115236228]
  確率的階層的時系列予測は時系列予測の重要な変種である。 ほとんどの手法は点予測に焦点を絞っており、確率的確率分布を十分に調整していない。 ProFHiTは,階層全体の予測分布を共同でモデル化する完全確率的階層予測モデルである。
  論文  参考訳（メタデータ） (2022-06-16T06:13:53Z)
• 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)
• Back2Future: Leveraging Backfill Dynamics for Improving Real-time Predictions in Future [73.03458424369657]
  公衆衛生におけるリアルタイム予測では、データ収集は簡単で要求の多いタスクである。 過去の文献では「バックフィル」現象とそのモデル性能への影響についてはほとんど研究されていない。 我々は、与えられたモデルの予測をリアルタイムで洗練することを目的とした、新しい問題とニューラルネットワークフレームワークBack2Futureを定式化する。
  論文  参考訳（メタデータ） (2021-06-08T14:48:20Z)
• Evaluating probabilistic classifiers: Reliability diagrams and score decompositions revisited [68.8204255655161]
  確率的に統計的に一貫性があり、最適に結合し、再現可能な信頼性図を自動生成するCORP手法を導入する。 コーパスは非パラメトリックアイソトニック回帰に基づいており、プール・アジャセント・ヴァイオレータ(PAV)アルゴリズムによって実装されている。
  論文  参考訳（メタデータ） (2020-08-07T08:22:26Z)
• Adversarial Attacks on Probabilistic Autoregressive Forecasting Models [7.305979446312823]
  我々は、単一値の列ではなく確率分布の列を出力するニューラルネットワークに対する効果的な逆攻撃を生成する。 提案手法は,2つの課題において,入力摂動の少ない攻撃を効果的に生成できることを実証する。
  論文  参考訳（メタデータ） (2020-03-08T13:08:34Z)

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。