論文の概要: Zero Shot Time Series Forecasting Using Kolmogorov Arnold Networks

• arxiv url: http://arxiv.org/abs/2412.17853v2
• Date: Fri, 14 Feb 2025 14:50:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-17 14:45:16.756819
• Title: Zero Shot Time Series Forecasting Using Kolmogorov Arnold Networks
• Title（参考訳）: Kolmogorov Arnold Networks を用いたゼロショット時系列予測
• Authors: Abhiroop Bhattacharya, Nandinee Haq,
• Abstract要約: 異なる市場における市場不変の表現を学習することにより、エネルギー価格を予測するために設計されたクロスドメイン適応モデルを導入する。 Kolmogorov-Arnoldネットワークを利用することで、我々のモデルはエネルギー価格データの複雑なパターンを捉える能力を高めることができる。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Accurate energy price forecasting is crucial for participants in day-ahead energy markets, as it significantly influences their decision-making processes. While machine learning-based approaches have shown promise in enhancing these forecasts, they often remain confined to the specific markets on which they are trained, thereby limiting their adaptability to new or unseen markets. In this paper, we introduce a cross-domain adaptation model designed to forecast energy prices by learning market-invariant representations across different markets during the training phase. We propose a doubly residual N-BEATS network with Kolmogorov Arnold networks at its core for time series forecasting. These networks, grounded in the Kolmogorov-Arnold representation theorem, offer a powerful way to approximate multivariate continuous functions. The cross domain adaptation model was generated with an adversarial framework. The model's effectiveness was tested in predicting day-ahead electricity prices in a zero shot fashion. In comparison with baseline models, our proposed framework shows promising results. By leveraging the Kolmogorov-Arnold networks, our model can potentially enhance its ability to capture complex patterns in energy price data, thus improving forecast accuracy across diverse market conditions. This addition not only enriches the model's representational capacity but also contributes to a more robust and flexible forecasting tool adaptable to various energy markets.
• Abstract（参考訳）: 正確なエネルギー価格予測は、意思決定プロセスに大きく影響を及ぼすため、日々のエネルギー市場参加者にとって不可欠である。 機械学習ベースのアプローチは、これらの予測を強化することを約束しているが、トレーニングされている特定の市場に限定され、新しい市場や目に見えない市場への適応性を制限することがしばしばある。 本稿では、トレーニング期間中に異なる市場にわたる市場不変の表現を学習することにより、エネルギー価格の予測を目的としたクロスドメイン適応モデルを提案する。 時系列予測のコアにコルモゴロフ・アーノルドネットワークを用いた2つの残留N-BEATSネットワークを提案する。 これらのネットワークはコルモゴロフ・アルノルドの表現定理に基づいており、多変量連続函数を近似する強力な方法を提供する。 クロスドメイン適応モデルは、逆のフレームワークで生成された。 モデルの有効性は、ゼロショット方式で日頭電気価格を予測するためにテストされた。 ベースラインモデルと比較して,提案手法は有望な結果を示す。 Kolmogorov-Arnoldネットワークを利用することで、我々のモデルは、エネルギー価格データの複雑なパターンを捕捉し、様々な市場条件における予測精度を向上させることができる。 この追加はモデルの表現能力を高めるだけでなく、様々なエネルギー市場に適応可能なより堅牢で柔軟な予測ツールにも貢献する。

関連論文リスト

• BreakGPT: Leveraging Large Language Models for Predicting Asset Price Surges [55.2480439325792]
  本稿では,時系列予測や資産価格の急上昇の予測に特化して,新たな大規模言語モデル(LLM)アーキテクチャであるBreakGPTを紹介する。 我々は、最小限のトレーニングで財務予測を行うための有望なソリューションとしてBreakGPTを紹介し、局所的およびグローバルな時間的依存関係をキャプチャする強力な競合相手として紹介する。
  論文  参考訳（メタデータ） (2024-11-09T05:40:32Z)
• GARCH-Informed Neural Networks for Volatility Prediction in Financial Markets [0.0]
  マーケットのボラティリティを計測し、予測する新しいハイブリッドなDeep Learningモデルを提案する。 他の時系列モデルと比較すると、GINNは決定係数(R2$)、平均正方形誤差(MSE)、平均絶対誤差(MAE)の点で優れたサンプル外予測性能を示した。
  論文  参考訳（メタデータ） (2024-09-30T23:53:54Z)
• Kolmogorov-Arnold Networks for Time Series: Bridging Predictive Power and Interpretability [6.4314326272535896]
  Kolmogorov-Arnold Networks (KAN)は、最近MITチームが提案した画期的なモデルである。 Kanは時系列内の概念ドリフトを検知し、予測と過去の時間ステップの間の非線形関係を説明するように設計されている。 T-KANは、時系列内の概念ドリフトを検知し、予測と過去の時間ステップの間の非線形関係を説明するように設計されている。 一方,MT-KANは変数間の複雑な関係を効果的に発見・活用することで予測性能を向上させる。
  論文  参考訳（メタデータ） (2024-06-04T17:14:31Z)
• Forecasting the Future with Future Technologies: Advancements in Large Meteorological Models [3.332582598089642]
  気象予報の分野は、大きなモデルの統合によって大きな変化を遂げた。 FourCastNet、Pangu-Weather、GraphCast、ClimaX、FengWuといったモデルは、正確で高精度な予測を提供することで、顕著な貢献をしている。
  論文  参考訳（メタデータ） (2024-04-10T00:52:54Z)
• Predictive Churn with the Set of Good Models [64.05949860750235]
  近似機械学習モデルの集合に対する競合予測の効果について検討する。 ラーショモン集合内のモデル間の係り受けに関する理論的結果を示す。 当社のアプローチは、コンシューマ向けアプリケーションにおいて、より予測し、削減し、混乱を避けるためにどのように使用できるかを示します。
  論文  参考訳（メタデータ） (2024-02-12T16:15:25Z)
• Weather Prediction with Diffusion Guided by Realistic Forecast Processes [49.07556359513563]
  気象予報に拡散モデル(DM)を適用した新しい手法を提案する。 提案手法は,同一のモデリングフレームワークを用いて,直接予測と反復予測の両方を実現できる。 我々のモデルの柔軟性と制御性は、一般の気象コミュニティにとってより信頼性の高いDLシステムに力を与えます。
  論文  参考訳（メタデータ） (2024-02-06T21:28:42Z)
• An Energy-Based Prior for Generative Saliency [62.79775297611203]
  本稿では,情報的エネルギーベースモデルを事前分布として採用する,新たな生成正当性予測フレームワークを提案する。 生成サリエンシモデルを用いて,画像から画素単位の不確実性マップを得ることができ,サリエンシ予測におけるモデル信頼度を示す。 実験結果から, エネルギーベース先行モデルを用いた生成塩分率モデルでは, 精度の高い塩分率予測だけでなく, 人間の知覚と整合した信頼性の高い不確実性マップを実現できることが示された。
  論文  参考訳（メタデータ） (2022-04-19T10:51:00Z)
• Predictive Accuracy of a Hybrid Generalized Long Memory Model for Short Term Electricity Price Forecasting [0.0]
  本研究では、一般化長メモリ自己回帰モデル(k-factor GARMA)に基づく新しいハイブリッドモデルの予測性能について検討する。 提案モデルの性能を北プール電力市場のデータを用いて評価した。
  論文  参考訳（メタデータ） (2022-04-18T12:21:25Z)
• Hybrid Modelling Approaches for Forecasting Energy Spot Prices in EPEC market [62.997667081978825]
  EPEC市場におけるエネルギースポット価格予測のためのハイブリッドモデリング手法について検討する。 データは2013-2014年の電力価格、2015年のテストデータで提供された。
  論文  参考訳（メタデータ） (2020-10-14T12:45:53Z)
• Energy-Based Processes for Exchangeable Data [109.04978766553612]
  エネルギーベースモデルを交換可能なデータに拡張するために、エネルギーベースプロセス(EBP)を導入する。 EBPの鍵となる利点は、集合上のより柔軟な分布を、その濃度を制限することなく表現できることである。 本研究では,多種多様なタスクにおける最先端性能を実演する電子掲示板の効率的な訓練手順を開発する。
  論文  参考訳（メタデータ） (2020-03-17T04:26:02Z)

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。