論文の概要: CATS-Linear: Classification Auxiliary Linear Model for Time Series Forecasting

• arxiv url: http://arxiv.org/abs/2510.08661v1
• Date: Thu, 09 Oct 2025 13:51:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 00:38:47.308303
• Title: CATS-Linear: Classification Auxiliary Linear Model for Time Series Forecasting
• Title（参考訳）: CATS-Linear:時系列予測のための補助線形モデルの分類
• Authors: Zipo Jibao, Yingyi Fu, Xinyang Chen, Guoting Chen,
• Abstract要約: 線形モデルCATS-Linearの分類法を提案する。 CACIはインスタンスを分類を通じて専用の予測器に動的にルーティングし、教師付きチャネル設計を可能にする。 また、デカップリング -- 線形写像を追加することで、トレンド・シーズン分解アーキテクチャを再設計する。
• 参考スコア（独自算出の注目度）: 6.172896406435563
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent research demonstrates that linear models achieve forecasting performance competitive with complex architectures, yet methodologies for enhancing linear models remain underexplored. Motivated by the hypothesis that distinct time series instances may follow heterogeneous linear mappings, we propose the Classification Auxiliary Trend-Seasonal Decoupling Linear Model CATS-Linear, employing Classification Auxiliary Channel-Independence (CACI). CACI dynamically routes instances to dedicated predictors via classification, enabling supervised channel design. We further analyze the theoretical expected risks of different channel settings. Additionally, we redesign the trend-seasonal decomposition architecture by adding a decoupling -- linear mapping -- recoupling framework for trend components and complex-domain linear projections for seasonal components. Extensive experiments validate that CATS-Linear with fixed hyperparameters achieves state-of-the-art accuracy comparable to hyperparameter-tuned baselines while delivering SOTA accuracy against fixed-hyperparameter counterparts.
• Abstract（参考訳）: 近年の研究では、線形モデルは複雑なアーキテクチャと競合する予測性能を実現することが実証されているが、線形モデルを拡張するための方法論は未検討のままである。 そこで我々は, 線形線形モデルCATS-Linearの分類法として, チャネル独立性 (CACI) を用いた分類法を提案する。 CACIはインスタンスを分類を通じて専用の予測器に動的にルーティングし、教師付きチャネル設計を可能にする。 さらに,異なるチャネル設定の理論的予測リスクを解析する。 さらに、トレンドコンポーネントのデカップリング(線形マッピング)フレームワークと季節コンポーネントの複雑な領域のリニアプロジェクションを追加して、トレンドシーズン分解アーキテクチャを再設計する。 広汎な実験により、CATS-Linearは、固定されたハイパーパラメータに対してSOTA精度を提供しながら、ハイパーパラメータ調整されたベースラインに匹敵する最先端の精度を達成することが検証された。

関連論文リスト

• Design Principles for Sequence Models via Coefficient Dynamics [20.14360019974826]
  インパルス入力によって駆動される自律線形力学系の出力として線形結合係数をキャストすることにより、この出力演算を明示する統一的なフレームワークを開発する。 この視点は、線形RNNと線形注意を結びつけることに焦点を当てたアプローチとは大きく異なり、多様なアーキテクチャにまたがる共通の数学的テーマを明らかにしている。 これにより、表現性と効率的な実装のトレードオフ、入力選択性に関する幾何学的制約、数値的に安定したトレーニングと情報保持のための安定性条件を識別できる。
  論文  参考訳（メタデータ） (2025-10-10T13:42:31Z)
• Efficient identification of linear, parameter-varying, and nonlinear systems with noise models [1.6385815610837167]
  本稿では、状態空間の力学モデルの幅広いスペクトルを推定できる一般的なシステム同定手法を提案する。 この一般的なモデル構造に対して、モデル力学は決定論的過程とノイズ部分に分離できることを示す。 人工ニューラルネットワーク(ANN)を用いた非線形機能関係のパラメータ化
  論文  参考訳（メタデータ） (2025-04-16T11:23:30Z)
• Optimizing Sequential Recommendation Models with Scaling Laws and Approximate Entropy [104.48511402784763]
  SRモデルの性能法則は,モデルの性能とデータ品質の関係を理論的に調査し,モデル化することを目的としている。 データ品質を評価するために、従来のデータ量メトリクスと比較して、より曖昧なアプローチを示すために、近似エントロピー(ApEn)を提案する。
  論文  参考訳（メタデータ） (2024-11-30T10:56:30Z)
• On the Emergence of Cross-Task Linearity in the Pretraining-Finetuning Paradigm [47.55215041326702]
  我々は、共通の事前訓練されたチェックポイントから、クロスタスク線形性(CTL)と呼ばれる異なるタスクに微調整されたモデルにおいて、興味深い線形現象を発見する。 2つの微調整モデルの重みを線形に補間すると、重み補間モデルの特徴は各層における2つの微調整モデルの特徴の線形性にほぼ等しいことが示される。 プレトレーニング-ファインタニングのパラダイムでは、ニューラルネットワークは、パラメータ空間から特徴空間への写像である線形写像として概ね機能する。
  論文  参考訳（メタデータ） (2024-02-06T03:28:36Z)
• Kalman Filter for Online Classification of Non-Stationary Data [101.26838049872651]
  オンライン連続学習(OCL)では、学習システムはデータのストリームを受け取り、予測とトレーニングの手順を順次実行する。 本稿では,線形予測量に対するニューラル表現と状態空間モデルを用いた確率ベイズオンライン学習モデルを提案する。 多クラス分類の実験では、モデルの予測能力と非定常性を捉える柔軟性を示す。
  論文  参考訳（メタデータ） (2023-06-14T11:41:42Z)
• Contextually Enhanced ES-dRNN with Dynamic Attention for Short-Term Load Forecasting [1.1602089225841632]
  提案手法は,コンテキストトラックとメイントラックという,同時に訓練された2つのトラックから構成される。 RNNアーキテクチャは、階層的な拡張を積み重ねた複数の繰り返し層で構成され、最近提案された注意的再帰細胞を備えている。 このモデルは点予測と予測間隔の両方を生成する。
  論文  参考訳（メタデータ） (2022-12-18T07:42:48Z)
• Dynamically-Scaled Deep Canonical Correlation Analysis [77.34726150561087]
  カノニカル相関解析 (CCA) は, 2つのビューの特徴抽出手法である。 本稿では,入力依存の正準相関モデルをトレーニングするための新しい動的スケーリング手法を提案する。
  論文  参考訳（メタデータ） (2022-03-23T12:52:49Z)
• Exploiting Spline Models for the Training of Fully Connected Layers in Neural Network [0.0]
  人工ニューラルネットワーク(ANN)の最も基本的なモジュールの1つである完全連結(FC)層は、しばしば訓練が困難で非効率であると考えられている。 fc層を訓練することの難しさを緩和するスプラインベースアプローチを提案する。 提案手法は計算コストを低減し,fc層の収束を加速し,モデルの解釈可能性を大幅に向上させる。
  論文  参考訳（メタデータ） (2021-02-12T14:36:55Z)
• Estimation of Switched Markov Polynomial NARX models [75.91002178647165]
  非線形自己回帰(NARX)成分を特徴とするハイブリッド力学系のモデル群を同定する。 提案手法は, 特定の回帰器を持つ3つの非線形サブモデルからなるSMNARX問題に対して実証される。
  論文  参考訳（メタデータ） (2020-09-29T15:00:47Z)

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。