論文の概要: MetaEformer: Unveiling and Leveraging Meta-patterns for Complex and Dynamic Systems Load Forecasting

• arxiv url: http://arxiv.org/abs/2506.12800v1
• Date: Sun, 15 Jun 2025 10:27:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-17 17:28:46.893378
• Title: MetaEformer: Unveiling and Leveraging Meta-patterns for Complex and Dynamic Systems Load Forecasting
• Title（参考訳）: MetaEformer: 複雑な動的システム負荷予測のためのメタパターンの展開と活用
• Authors: Shaoyuan Huang, Tiancheng Zhang, Zhongtian Zhang, Xiaofei Wang, Lanjun Wang, Xin Wang,
• Abstract要約: 時系列予測は多くの実世界のアプリケーションにおいて重要かつ実践的な問題である。 本稿では,基本波形,メタパターンに着目した新しい手法を提案する。 3つのシステムシナリオの下で、8つのベンチマークで優れたパフォーマンスを示します。
• 参考スコア（独自算出の注目度）: 13.947900322863575
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Time series forecasting is a critical and practical problem in many real-world applications, especially for industrial scenarios, where load forecasting underpins the intelligent operation of modern systems like clouds, power grids and traffic networks.However, the inherent complexity and dynamics of these systems present significant challenges. Despite advances in methods such as pattern recognition and anti-non-stationarity have led to performance gains, current methods fail to consistently ensure effectiveness across various system scenarios due to the intertwined issues of complex patterns, concept-drift, and few-shot problems. To address these challenges simultaneously, we introduce a novel scheme centered on fundamental waveform, a.k.a., meta-pattern. Specifically, we develop a unique Meta-pattern Pooling mechanism to purify and maintain meta-patterns, capturing the nuanced nature of system loads. Complementing this, the proposed Echo mechanism adaptively leverages the meta-patterns, enabling a flexible and precise pattern reconstruction. Our Meta-pattern Echo transformer (MetaEformer) seamlessly incorporates these mechanisms with the transformer-based predictor, offering end-to-end efficiency and interpretability of core processes. Demonstrating superior performance across eight benchmarks under three system scenarios, MetaEformer marks a significant advantage in accuracy, with a 37% relative improvement on fifteen state-of-the-art baselines.
• Abstract（参考訳）: 時系列予測は、特に産業のシナリオにおいて、クラウドや電力網、交通ネットワークといった現代のシステムのインテリジェントな運用を支える、多くの実世界のアプリケーションにおいて、重要かつ実践的な問題である。 パターン認識や非定常性といった手法の進歩は性能向上につながったが、現在の手法は複雑なパターンや概念の切り離し、少数ショットの問題などにより、様々なシステムシナリオにおいて一貫して有効性を保証することができない。 これらの課題を同時に解決するために、基本波形(メタパターン)を中心にした新しいスキームを導入する。 具体的には,メタパターンを浄化し,維持するためのユニークなメタパターンプール機構を開発し,システム負荷の微妙な性質を捉える。 これを完成させ、提案したEchoメカニズムは、メタパターンを適応的に活用し、柔軟で正確なパターン再構築を可能にする。 我々のメタパターンEcho変換器(MetaEformer)は、これらのメカニズムをトランスフォーマーベースの予測器にシームレスに組み込んで、コアプロセスのエンドツーエンド効率と解釈性を提供します。 3つのシステムシナリオの下で8つのベンチマークで優れたパフォーマンスを示すMetaEformerは、精度において大きな優位性を示し、15の最先端ベースラインに対して37%の相対的な改善を達成している。

関連論文リスト

• Spatio-temporal Fourier Transformer (StFT) for Long-term Dynamics Prediction [13.502705948250359]
  マルチスケールおよびマルチ物理システムの長期的ダイナミクスのシミュレーションは、科学と工学において大きな課題となる。 ニューラル演算子は、その柔軟性と計算効率のために、そのようなダイナミクスを予測するための有望なモデルとして登場した。 本稿では,予測の不確実性を推定・緩和し,長期予測の精度と信頼性を高めるための生成残差補正機構を提案する。
  論文  参考訳（メタデータ） (2025-03-14T22:04:03Z)
• Enhanced Transformer architecture for in-context learning of dynamical systems [0.3749861135832073]
  本稿では,従来のメタモデリングフレームワークを3つの重要な革新を通じて強化する。 これらの修正の有効性は、Wiener-Hammerstein系クラスに焦点をあてた数値的な例を通して示される。
  論文  参考訳（メタデータ） (2024-10-04T10:05:15Z)
• Learning minimal representations of stochastic processes with variational autoencoders [52.99137594502433]
  プロセスを記述するのに必要なパラメータの最小セットを決定するために、教師なしの機械学習アプローチを導入する。 我々の手法はプロセスを記述する未知のパラメータの自律的な発見を可能にする。
  論文  参考訳（メタデータ） (2023-07-21T14:25:06Z)
• End-to-End Meta-Bayesian Optimisation with Transformer Neural Processes [52.818579746354665]
  本稿では,ニューラルネットワークを一般化し,トランスフォーマーアーキテクチャを用いて獲得関数を学習する,エンド・ツー・エンドの差別化可能な最初のメタBOフレームワークを提案する。 我々は、この強化学習(RL)によるエンドツーエンドのフレームワークを、ラベル付き取得データの欠如に対処できるようにします。
  論文  参考訳（メタデータ） (2023-05-25T10:58:46Z)
• Data-driven multiscale modeling for correcting dynamical systems [32.986783465299084]
  本稿では,動的システムの量を予測するためのマルチスケール手法を提案する。 我々は,マルチスケールネットワークがカオスモデルを修正し,未解決の細粒度力学の寄与を反映する気候サブグリッドパラメータ化タスクに対するアプローチを評価する。
  論文  参考訳（メタデータ） (2023-03-24T17:53:58Z)
• Evolve Smoothly, Fit Consistently: Learning Smooth Latent Dynamics For Advection-Dominated Systems [14.553972457854517]
  複雑な物理系のサロゲートモデルを学ぶための,データ駆動・時空連続フレームワークを提案する。 ネットワークの表現力と特別に設計された整合性誘導正規化を利用して,低次元かつ滑らかな潜在軌道を得る。
  論文  参考訳（メタデータ） (2023-01-25T03:06:03Z)
• Stochastically forced ensemble dynamic mode decomposition for forecasting and analysis of near-periodic systems [65.44033635330604]
  本稿では,観測力学を強制線形系としてモデル化した新しい負荷予測手法を提案する。 固有線型力学の利用は、解釈可能性やパーシモニーの観点から、多くの望ましい性質を提供することを示す。 電力グリッドからの負荷データを用いたテストケースの結果が提示される。
  論文  参考訳（メタデータ） (2020-10-08T20:25:52Z)

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。