Fugu-MT 論文翻訳(概要): Resolution-Aware Retrieval Augmented Zero-Shot Forecasting

論文の概要: Resolution-Aware Retrieval Augmented Zero-Shot Forecasting

arxiv url: http://arxiv.org/abs/2510.16695v1
Date: Sun, 19 Oct 2025 03:29:57 GMT
ステータス: 翻訳完了
システム内更新日: 2025-10-25 00:56:39.097604
Title: Resolution-Aware Retrieval Augmented Zero-Shot Forecasting
Title（参考訳）: 分解能を考慮した検索型ゼロショット予測
Authors: Iman Deznabi, Peeyush Kumar, Madalina Fiterau,
Abstract要約: ゼロショット予測は、直接の履歴データなしで、これまで見えなかった状況の結果を予測することを目的としている。本稿では,空間相関と時間周波数特性を利用して予測精度を向上させる分解能を考慮した検索予測モデルを提案する。この結果は,マイクロ気候モデルなどにおけるゼロショット予測のためのスケーラブルでデータ効率のよいソリューションとして,検索強化型および解像度対応型戦略の有効性を強調した。
参考スコア（独自算出の注目度）: 3.827130678851168
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Zero-shot forecasting aims to predict outcomes for previously unseen conditions without direct historical data, posing a significant challenge for traditional forecasting methods. We introduce a Resolution-Aware Retrieval-Augmented Forecasting model that enhances predictive accuracy by leveraging spatial correlations and temporal frequency characteristics. By decomposing signals into different frequency components, our model employs resolution-aware retrieval, where lower-frequency components rely on broader spatial context, while higher-frequency components focus on local influences. This allows the model to dynamically retrieve relevant data and adapt to new locations with minimal historical context. Applied to microclimate forecasting, our model significantly outperforms traditional forecasting methods, numerical weather prediction models, and modern foundation time series models, achieving 71% lower MSE than HRRR and 34% lower MSE than Chronos on the ERA5 dataset. Our results highlight the effectiveness of retrieval-augmented and resolution-aware strategies, offering a scalable and data-efficient solution for zero-shot forecasting in microclimate modeling and beyond.
Abstract（参考訳）: ゼロショット予測は、過去の直接的な履歴データなしで、これまで見られなかった結果を予測することを目的としており、従来の予測手法では大きな課題となっている。本研究では,空間相関と時間周波数特性を利用して予測精度を向上させる分解能を考慮した検索予測モデルを提案する。信号を異なる周波数成分に分解することで、低周波成分はより広い空間的文脈に依存し、高周波成分は局所的な影響に焦点をあてる分解能認識検索を採用する。これにより、モデルは関連するデータを動的に取得し、最小限の歴史的コンテキストで新しい場所に適応することができる。マイクロ気候予測には,従来の予測手法,数値天気予報モデル,現代基礎時系列モデルより有意に優れ,HRRRよりも71%,ERA5データセットより34%低いMSEを実現している。この結果は,マイクロ気候モデルなどにおけるゼロショット予測のためのスケーラブルでデータ効率のよいソリューションとして,検索強化型および解像度対応型戦略の有効性を強調した。

関連論文リスト

A Unified Frequency Domain Decomposition Framework for Interpretable and Robust Time Series Forecasting [81.73338008264115]
時系列予測の現在のアプローチは、時間領域であれ周波数領域であれ、主に線形層やトランスフォーマーに基づいたディープラーニングモデルを使用する。本稿では,多種多様な時系列を数学的に抽象化する統合周波数領域分解フレームワークFIREを提案する。火は長期予測ベンチマークで最先端のモデルを一貫して上回る。
論文参考訳（メタデータ） (2025-10-11T09:59:25Z)
Accurate Prediction of Temperature Indicators in Eastern China Using a Multi-Scale CNN-LSTM-Attention model [0.0]
マルチスケールの畳み込み型CNN-LSTM-Attentionアーキテクチャに基づく天気予報モデルを提案する。このモデルは、畳み込みニューラルネットワーク(CNN)、Long Short-Term Memory(LSTM)ネットワーク、およびアテンションメカニズムを統合している。実験結果から, モデルが高精度に温度変動を予測できることが示唆された。
論文参考訳（メタデータ） (2024-12-11T00:42:31Z)
Weather Prediction Using CNN-LSTM for Time Series Analysis: A Case Study on Delhi Temperature Data [0.0]
本研究では,デリー地域の温度予測精度を高めるために,ハイブリッドCNN-LSTMモデルを提案する。モデルの構築とトレーニングには,包括的データ前処理や探索分析など,直接的および間接的手法を併用した。実験結果から,CNN-LSTMモデルが従来の予測手法よりも精度と安定性の両面で優れていたことが示唆された。
論文参考訳（メタデータ） (2024-09-14T11:06:07Z)
CaFA: Global Weather Forecasting with Factorized Attention on Sphere [7.687215328455751]
本稿では, この問題を緩和するために, 球面測地に適した因子化アテンションモデルを提案する。提案モデルの1.5円および0-7日のリードタイムにおける決定論的予測精度は、最先端のデータ駆動型機械学習天気予報モデルと同等である。
論文参考訳（メタデータ） (2024-05-12T23:18:14Z)
EWMoE: An effective model for global weather forecasting with mixture-of-experts [6.695845790670147]
本研究では,地球規模の天気予報に有効なモデルであるEWMoEを提案する。本モデルは,3次元絶対位置埋め込み,Mixture-of-Experts層,および2つの特定の損失関数の3つの重要な要素を組み込んで予測精度を向上させる。
論文参考訳（メタデータ） (2024-05-09T16:42:13Z)
Advancing Data-driven Weather Forecasting: Time-Sliding Data Augmentation of ERA5 [3.3748750222488657]
我々は高解像度データへの共通依存から逸脱する新しい戦略を導入する。本稿では,データ拡張と処理に対する新たなアプローチとして,変数の追加による従来のアプローチの改善について述べる。その結果, 解像度が低いにもかかわらず, 提案手法は大気条件の予測にかなり精度が高いことがわかった。
論文参考訳（メタデータ） (2024-02-13T03:01:22Z)
ExtremeCast: Boosting Extreme Value Prediction for Global Weather Forecast [57.6987191099507]
非対称な最適化を行い、極端な天気予報を得るために極端な値を強調する新しい損失関数であるExlossを導入する。また,複数のランダムサンプルを用いて予測結果の不確かさをキャプチャするExBoosterについても紹介する。提案手法は,上位中距離予測モデルに匹敵する全体的な予測精度を維持しつつ,極端気象予測における最先端性能を達成することができる。
論文参考訳（メタデータ） (2024-02-02T10:34:13Z)
FengWu-GHR: Learning the Kilometer-scale Medium-range Global Weather Forecasting [56.73502043159699]
この研究は、データ駆動型世界天気予報モデルであるFengWu-GHRを、0.09$circ$水平解像度で実行した。低解像度モデルから事前知識を継承することにより、MLベースの高解像度予測を操作するための扉を開く新しいアプローチを導入する。 2022年の天気予報は、FengWu-GHRがIFS-HRESよりも優れていることを示している。
論文参考訳（メタデータ） (2024-01-28T13:23:25Z)
Learning Robust Precipitation Forecaster by Temporal Frame Interpolation [65.5045412005064]
本研究では,空間的不一致に対するレジリエンスを示す頑健な降水予測モデルを構築した。提案手法は,textit4cast'23コンペティションの移行学習リーダーボードにおいて,textit1位を確保したモデルにおいて,予測精度が大幅に向上した。
論文参考訳（メタデータ） (2023-11-30T08:22:08Z)
Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
論文参考訳（メタデータ） (2023-09-12T13:28:06Z)
A case study of spatiotemporal forecasting techniques for weather forecasting [4.347494885647007]
実世界のプロセスの相関は時間的であり、それらによって生成されたデータは空間的および時間的進化の両方を示す。時系列モデルが数値予測の代替となる。本研究では,分解時間予測モデルにより計算コストを低減し,精度を向上することを示した。
論文参考訳（メタデータ） (2022-09-29T13:47:02Z)
Back2Future: Leveraging Backfill Dynamics for Improving Real-time Predictions in Future [73.03458424369657]
公衆衛生におけるリアルタイム予測では、データ収集は簡単で要求の多いタスクである。過去の文献では「バックフィル」現象とそのモデル性能への影響についてはほとんど研究されていない。我々は、与えられたモデルの予測をリアルタイムで洗練することを目的とした、新しい問題とニューラルネットワークフレームワークBack2Futureを定式化する。
論文参考訳（メタデータ） (2021-06-08T14:48:20Z)

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。