論文の概要: TimePro: Efficient Multivariate Long-term Time Series Forecasting with Variable- and Time-Aware Hyper-state

• arxiv url: http://arxiv.org/abs/2505.20774v1
• Date: Tue, 27 May 2025 06:24:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-28 17:05:58.446308
• Title: TimePro: Efficient Multivariate Long-term Time Series Forecasting with Variable- and Time-Aware Hyper-state
• Title（参考訳）: TimePro: 可変・時間対応ハイパーステートによる多変量時系列予測の効率化
• Authors: Xiaowen Ma, Zhenliang Ni, Shuai Xiao, Xinghao Chen,
• Abstract要約: 長期の時系列予測では、異なる変数が異なる時間間隔でターゲット変数に影響を与えることが多い。 伝統的なモデルは典型的にはすべての変数や時間点を一様に処理し、複雑な変数関係を捉える能力を制限する。 本稿では,多変量および時間認識型ハイパーステートを構築するMambaベースの革新的なモデルであるTimeProを提案する。
• 参考スコア（独自算出の注目度）: 12.940694192516059
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In long-term time series forecasting, different variables often influence the target variable over distinct time intervals, a challenge known as the multi-delay issue. Traditional models typically process all variables or time points uniformly, which limits their ability to capture complex variable relationships and obtain non-trivial time representations. To address this issue, we propose TimePro, an innovative Mamba-based model that constructs variate- and time-aware hyper-states. Unlike conventional approaches that merely transfer plain states across variable or time dimensions, TimePro preserves the fine-grained temporal features of each variate token and adaptively selects the focused time points to tune the plain state. The reconstructed hyper-state can perceive both variable relationships and salient temporal information, which helps the model make accurate forecasting. In experiments, TimePro performs competitively on eight real-world long-term forecasting benchmarks with satisfactory linear complexity. Code is available at https://github.com/xwmaxwma/TimePro.
• Abstract（参考訳）: 長期の時系列予測では、異なる変数が異なる時間間隔でターゲット変数に影響を与えることがよくある。 伝統的なモデルは典型的には全ての変数や時間点を一様に処理し、複雑な変数の関係を捉え、非自明な時間表現を得る能力を制限する。 この問題に対処するため,時間と変動を考慮したハイパーステートを構築するMambaベースの革新的なモデルであるTimeProを提案する。 変数や時間次元をまたいでプレーンステートを単に転送する従来のアプローチとは異なり、TimeProは各変数トークンの微細な時間的特徴を保存し、平状態をチューニングするために集中した時間ポイントを適応的に選択する。 再構成された超状態は、変動関係と有意な時間的情報の両方を知覚することができ、モデルが正確な予測を行うのに役立つ。 実験では、TimeProは8つの実世界の長期予測ベンチマークで、十分な線形複雑性で競合的に動作します。 コードはhttps://github.com/xwmaxwma/TimePro.comで入手できる。

関連論文リスト

• TimeCNN: Refining Cross-Variable Interaction on Time Point for Time Series Forecasting [44.04862924157323]
  トランスフォーマーベースのモデルは、クロスタイムとクロス変数の相互作用をモデル化する上で大きなポテンシャルを示す。 本稿では,時系列予測を強化するために,異種間相互作用を洗練するためのTimeCNNモデルを提案する。 12の実世界のデータセットで実施された大規模な実験は、TimeCNNが一貫して最先端のモデルを上回っていることを示している。
  論文  参考訳（メタデータ） (2024-10-07T09:16:58Z)
• Timer-XL: Long-Context Transformers for Unified Time Series Forecasting [67.83502953961505]
  我々は時系列の統一予測のための因果変換器Timer-XLを提案する。 大規模な事前トレーニングに基づいて、Timer-XLは最先端のゼロショット性能を達成する。
  論文  参考訳（メタデータ） (2024-10-07T07:27:39Z)
• TimeXer: Empowering Transformers for Time Series Forecasting with Exogenous Variables [75.83318701911274]
  TimeXerは外部情報を取り込み、内因性変数の予測を強化する。 TimeXerは、12の現実世界の予測ベンチマークで一貫した最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2024-02-29T11:54:35Z)
• TimeSQL: Improving Multivariate Time Series Forecasting with Multi-Scale Patching and Smooth Quadratic Loss [9.71229156211078]
  時系列(英: Time series)は、時間間隔で収集された実数値のランダム変数の列である。 Timeは8つの実世界のベンチマークデータセット上で、最先端のパフォーマンスを新たに達成する。
  論文  参考訳（メタデータ） (2023-11-19T10:05:50Z)

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。