Fugu-MT 論文翻訳(概要): Conformal Prediction for Time-series Forecasting with Change Points

論文の概要: Conformal Prediction for Time-series Forecasting with Change Points

arxiv url: http://arxiv.org/abs/2509.02844v1
Date: Tue, 02 Sep 2025 21:26:53 GMT
ステータス: 翻訳完了
システム内更新日: 2025-09-04 21:40:46.346498
Title: Conformal Prediction for Time-series Forecasting with Change Points
Title（参考訳）: 変化点を考慮した時系列予測の等角予測
Authors: Sophia Sun, Rose Yu,
Abstract要約: 本稿では,変化点を持つ時系列のコンフォーマル予測法を提案する。我々はCPTCの妥当性を証明し、最小限の仮定で時系列設定における適応性を向上させる。
参考スコア（独自算出の注目度）: 26.947702126448203
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Conformal prediction has been explored as a general and efficient way to provide uncertainty quantification for time series. However, current methods struggle to handle time series data with change points - sudden shifts in the underlying data-generating process. In this paper, we propose a novel Conformal Prediction for Time-series with Change points (CPTC) algorithm, addressing this gap by integrating a model to predict the underlying state with online conformal prediction to model uncertainties in non-stationary time series. We prove CPTC's validity and improved adaptivity in the time series setting under minimum assumptions, and demonstrate CPTC's practical effectiveness on 6 synthetic and real-world datasets, showing improved validity and adaptivity compared to state-of-the-art baselines.
Abstract（参考訳）: コンフォーマル予測は、時系列に対する不確実性定量化を提供する汎用的で効率的な方法として研究されてきた。しかし、現在のメソッドは、変化点を持つ時系列データを扱うのに苦労しています。本稿では,非定常時系列における不確かさをモデル化するオンラインコンフォーマル予測と,その基礎となる状態を予測するモデルを統合することで,このギャップに対処する,変化点付き時系列のコンフォーマル予測(CPTC)アルゴリズムを提案する。我々は,CPTCの妥当性を実証し,最小限の仮定の下での時系列設定における適応性を向上し,CPTCの6つの合成および実世界のデータセットに対する実践的有効性を実証し,最先端のベースラインと比較して妥当性と適応性の向上を示した。

関連論文リスト

BayesTTA: Continual-Temporal Test-Time Adaptation for Vision-Language Models via Gaussian Discriminant Analysis [41.09181390655176]
CLIPのような視覚言語モデル(VLM)は、強いゼロショット認識を実現するが、実世界のシナリオに共通する時空間的な分散シフトの下で大幅に劣化する。テスト分布が時間とともに徐々に変化するCT-TTA(textitContinal-Temporal Test-Time Adaptation)として、この実践的問題を定式化する。我々は、時間的に一貫した予測を実行し、視覚表現を動的に調整する、ベイズ適応フレームワークであるtextitBayesTTAを提案する。
論文参考訳（メタデータ） (2025-07-11T14:02:54Z)
Relational Conformal Prediction for Correlated Time Series [56.59852921638328]
時系列における不確実性定量化の問題を相関配列を利用して解決する。共形予測フレームワークと量子レグレッションに基づく分布自由な新しい手法を提案する。我々の手法は正確なカバレッジを提供し、関連するベンチマークで最先端の不確実性定量化を実現する。
論文参考訳（メタデータ） (2025-02-13T16:12:17Z)
Adaptive Conformal Inference by Betting [51.272991377903274]
データ生成プロセスについて仮定することなく適応型共形推論の問題を考察する。適応型共形推論のための既存のアプローチは、オンライン勾配勾配の変種を用いたピンボール損失の最適化に基づいている。本稿では,パラメータフリーなオンライン凸最適化手法を利用した適応型共形推論手法を提案する。
論文参考訳（メタデータ） (2024-12-26T18:42:08Z)
Stock Volume Forecasting with Advanced Information by Conditional Variational Auto-Encoder [49.97673761305336]
本研究では,短時間・長期の予測作業において,日当たりのストックボリューム時系列の予測を改善するために,条件変動(CVAE)を用いることを実証する。 CVAEは非線形時系列をサンプル外予測として生成し、精度が向上し、実際のデータとの相関関係がより緊密になる。
論文参考訳（メタデータ） (2024-06-19T13:13:06Z)
Calibration of Time-Series Forecasting: Detecting and Adapting Context-Driven Distribution Shift [28.73747033245012]
本稿では,コンテキスト駆動分布シフトの検出と適応のための普遍的キャリブレーション手法を提案する。レジデンシャルベースCDS検出器(Residual-based CDS detector)またはリコンディショナー(Reconditionor)と呼ばれる新しいCDS検出器は、モデルの脆弱性をCDSに定量化する。高いリコンディショナースコアは、重度の感受性を示し、したがってモデル適応を必要とする。
論文参考訳（メタデータ） (2023-10-23T11:58:01Z)
Conformal PID Control for Time Series Prediction [10.992151305603265]
時系列予測における不確実性定量化の問題について検討する。オンライン環境で共形スコアを前向きにモデル化するアルゴリズムを提案する。また、電力需要、市場リターン、温度を予測する実験も行っています。
論文参考訳（メタデータ） (2023-07-31T17:59:16Z)
Adaptive Conformal Predictions for Time Series [0.0]
アダプティブ・コンフォーマル推論(ACI)は、一般的な依存関係を持つ時系列に対して適切な手順であると主張する。本稿では,オンラインエキスパートアグリゲーションに基づくACIを適応的に構築するパラメータフリー手法であるAgACIを提案する。実際のケーススタディとして、電力価格の予測を行います。
論文参考訳（メタデータ） (2022-02-15T09:57:01Z)
TACTiS: Transformer-Attentional Copulas for Time Series [76.71406465526454]
時間変化量の推定は、医療や金融などの分野における意思決定の基本的な構成要素である。本稿では,アテンションベースデコーダを用いて関節分布を推定する多元的手法を提案する。本研究では,本モデルが実世界の複数のデータセットに対して最先端の予測を生成することを示す。
論文参考訳（メタデータ） (2022-02-07T21:37:29Z)
Applying Regression Conformal Prediction with Nearest Neighbors to time series data [0.0]
本稿では,時系列データにおける共形予測器を用いて,信頼可能な予測区間を構築する方法を提案する。提案手法は,FPTO-WNN手法の高速パラメータチューニング手法を基礎アルゴリズムとして用いた。
論文参考訳（メタデータ） (2021-10-25T15:11:32Z)
Evaluating Prediction-Time Batch Normalization for Robustness under Covariate Shift [81.74795324629712]
我々は予測時間バッチ正規化と呼び、共変量シフト時のモデル精度とキャリブレーションを大幅に改善する。予測時間バッチ正規化は、既存の最先端アプローチに相補的な利点をもたらし、ロバスト性を向上させることを示します。この手法は、事前トレーニングと併用して使用すると、さまざまな結果が得られるが、より自然なタイプのデータセットシフトでは、パフォーマンスが良くないようだ。
論文参考訳（メタデータ） (2020-06-19T05:08:43Z)

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。