Fugu-MT 論文翻訳(概要): LLM Online Spatial-temporal Signal Reconstruction Under Noise

論文の概要: LLM Online Spatial-temporal Signal Reconstruction Under Noise

arxiv url: http://arxiv.org/abs/2411.15764v1
Date: Sun, 24 Nov 2024 09:24:04 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-26 14:18:34.377990
Title: LLM Online Spatial-temporal Signal Reconstruction Under Noise
Title（参考訳）: 騒音下におけるLLMオンライン時空間信号再構成
Authors: Yi Yan, Dayu Qin, Ercan Engin Kuruoglu,
Abstract要約: グラフ信号処理(GSP)と大規模言語モデル(LLM)を統合したLLMオンライン時空間再構成(LLM-OSR)フレームワーク LLM-OSRは、GSPベースの時空間信号を用いてグラフ信号を強化し、LLMを用いてパターンに基づいて欠落した値を予測する。 LLM-OSRにおけるGPT-4-oミニの使用はガウス雑音下では正確で頑健であることを示す実験結果が得られた。
参考スコア（独自算出の注目度）: 3.2430260063115233
License:
Abstract: This work introduces the LLM Online Spatial-temporal Reconstruction (LLM-OSR) framework, which integrates Graph Signal Processing (GSP) and Large Language Models (LLMs) for online spatial-temporal signal reconstruction. The LLM-OSR utilizes a GSP-based spatial-temporal signal handler to enhance graph signals and employs LLMs to predict missing values based on spatiotemporal patterns. The performance of LLM-OSR is evaluated on traffic and meteorological datasets under varying Gaussian noise levels. Experimental results demonstrate that utilizing GPT-4-o mini within the LLM-OSR is accurate and robust under Gaussian noise conditions. The limitations are discussed along with future research insights, emphasizing the potential of combining GSP techniques with LLMs for solving spatiotemporal prediction tasks.
Abstract（参考訳）: 本研究は,グラフ信号処理(GSP)と大規模言語モデル(LLM)を統合したLLMオンライン時空間再構成(LLM-OSR)フレームワークを紹介する。 LLM-OSRは、GSPベースの時空間信号ハンドラを使用してグラフ信号を強化し、時空間パターンに基づいて不足値を予測する。 LLM-OSRの性能は、様々なガウス雑音下での交通量と気象データに基づいて評価される。 LLM-OSRにおけるGPT-4-oミニの使用はガウス雑音下では正確で頑健であることを示す実験結果が得られた。これらの制限は今後の研究成果とともに議論され、時空間予測タスクを解くために、GSP技術とLLMを組み合わせる可能性を強調している。

関連論文リスト

Invar-RAG: Invariant LLM-aligned Retrieval for Better Generation [43.630437906898635]
Invar-RAGと呼ばれる2段階ファインチューニングアーキテクチャを提案する。検索段階では、LORAに基づく表現学習を統合してLLMベースの検索器を構築する。生成段階では、抽出した情報に基づいて回答を生成する際のLCM精度を向上させるための精細調整法が用いられる。
論文参考訳（メタデータ） (2024-11-11T14:25:37Z)
LLM-based Online Prediction of Time-varying Graph Signals [3.2430260063115233]
時間変化グラフ信号の欠落を予測するために,大規模言語モデル(LLM)を利用する新しいフレームワークを提案する。欠落した各ノードについて、その隣人とその前の見積もりは、欠落した観測を推測するためにLSMに入力され、処理される。風速グラフ信号のオンライン予測のタスクに基づいて,我々のモデルは精度でオンライングラフフィルタリングアルゴリズムより優れています。
論文参考訳（メタデータ） (2024-10-24T13:22:50Z)
Evaluating the Effectiveness of Large Language Models in Representing and Understanding Movement Trajectories [1.3658544194443192]
本研究は,運動軌跡を表現するAI基盤モデルの能力を評価することに焦点を当てる。大規模言語モデルの一つ (LLM) を用いて, トラジェクトリの文字列形式を符号化し, トラジェクトリデータ解析における LLM に基づく表現の有効性を評価する。
論文参考訳（メタデータ） (2024-08-31T02:57:25Z)
Beam Prediction based on Large Language Models [51.45077318268427]
ミリ波(mmWave)通信は次世代無線ネットワークに期待できるが、パス損失は大きい。長短期記憶(LSTM)のような従来のディープラーニングモデルでは、ビーム追跡精度が向上するが、ロバスト性や一般化が不足している。本稿では,大規模言語モデル(LLM)を用いて,ビーム予測の堅牢性を向上させる。
論文参考訳（メタデータ） (2024-08-16T12:40:01Z)
LLMServingSim: A HW/SW Co-Simulation Infrastructure for LLM Inference Serving at Scale [17.00936774784349]
大規模言語モデル(LLM)サービスシステムにおいて、汎用的なハードウェア・ソフトウェア動作を正確にモデル化できるシミュレーション基盤が欠如している。本稿では,LLMServingSimと呼ばれる効率的なシミュレーションツールを開発し,LCMサービスシステムにおける今後の研究を支援することを目的とする。
論文参考訳（メタデータ） (2024-08-10T09:26:15Z)
Anomaly Detection of Tabular Data Using LLMs [54.470648484612866]
我々は,事前訓練された大規模言語モデル (LLM) がゼロショットバッチレベルの異常検出器であることを示す。本稿では,実異常検出におけるLCMの潜在性を明らかにするために,エンドツーエンドの微調整手法を提案する。
論文参考訳（メタデータ） (2024-06-24T04:17:03Z)
Improve Temporal Awareness of LLMs for Sequential Recommendation [61.723928508200196]
大規模言語モデル(LLM)は、幅広い汎用タスクを解く際、印象的なゼロショット能力を示した。 LLMは時間的情報の認識と利用に不足しており、シーケンシャルなデータの理解を必要とするタスクではパフォーマンスが悪い。 LLMに基づくシーケンシャルレコメンデーションのために、歴史的相互作用の中で時間情報を利用する3つのプロンプト戦略を提案する。
論文参考訳（メタデータ） (2024-05-05T00:21:26Z)
An Embarrassingly Simple Approach for LLM with Strong ASR Capacity [56.30595787061546]
我々は,音声基礎エンコーダと大規模言語モデル(LLM)を用いて,音声処理の分野で最も重要な課題の1つを解決することに注力する。最近の研究は、音声エンコーダの出力を時間的に圧縮したり、プロジェクタのモーダルアライメントに対処したり、LLMのパラメータ効率の良い微調整を利用するといった複雑な設計をしている。そこで本研究では,市販の音声エンコーダLLMと,トレーニング可能な唯一の線形プロジェクタの単純な構成がASRタスクに適しているのに対して,繊細な設計は必要ないことを発見した。
論文参考訳（メタデータ） (2024-02-13T23:25:04Z)
An Exploratory Assessment of LLM's Potential Toward Flight Trajectory Reconstruction Analysis [3.3903227320938436]
本研究は,ADS-B(Automatic Dependent Surveillance-Broadcast)データを用いた飛行経路の再構築に焦点を当てた。この結果から, 線形および曲線の飛行軌跡のフィルタリングおよび推定におけるモデルの有効性が示唆された。研究の洞察は、飛行軌道再構築におけるLCMの約束と、航空・輸送分野にまたがる幅広い応用のための新たな道を開くことを明確にしている。
論文参考訳（メタデータ） (2024-01-11T17:59:18Z)
Closing the loop: Autonomous experiments enabled by machine-learning-based online data analysis in synchrotron beamline environments [80.49514665620008]
機械学習は、大規模または高速に生成されたデータセットを含む研究を強化するために使用できる。本研究では,X線反射法(XRR)のための閉ループワークフローへのMLの導入について述べる。本研究では,ビームライン制御ソフトウェア環境に付加的なソフトウェア依存関係を導入することなく,実験中の基本データ解析をリアルタイムで行うソリューションを提案する。
論文参考訳（メタデータ） (2023-06-20T21:21:19Z)
Modal Regression based Structured Low-rank Matrix Recovery for Multi-view Learning [70.57193072829288]
近年、低ランクなマルチビューサブスペース学習は、クロスビューの分類において大きな可能性を示している。既存のLMvSLベースの手法では、ビューの区別と差別を同時に扱うことができない。本稿では,視差を効果的に除去し,識別性を向上する独自の方法であるStructured Low-rank Matrix Recovery (SLMR)を提案する。
論文参考訳（メタデータ） (2020-03-22T03:57:38Z)

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。