論文の概要: From Noise to Laws: Regularized Time-Series Forecasting via Denoised Dynamic Graphs

• arxiv url: http://arxiv.org/abs/2510.17817v1
• Date: Sat, 27 Sep 2025 08:35:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-26 16:57:26.486381
• Title: From Noise to Laws: Regularized Time-Series Forecasting via Denoised Dynamic Graphs
• Title（参考訳）: 騒音から法律へ:動的グラフによる規則化された時系列予測
• Authors: Hongwei Ma, Junbin Gao, Minh-ngoc Tran,
• Abstract要約: 本稿では,スコアベース拡散プリコンディショナと動的相関閾値グラフエンコーダを結合したPRISMを提案する。 6つの標準ベンチマークで、PRISMは強力なMSEとMAEゲインを持つSOTAを達成する。
• 参考スコア（独自算出の注目度）: 29.81144259926765
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Long-horizon multivariate time-series forecasting is challenging because realistic predictions must (i) denoise heterogeneous signals, (ii) track time-varying cross-series dependencies, and (iii) remain stable and physically plausible over long rollout horizons. We present PRISM, which couples a score-based diffusion preconditioner with a dynamic, correlation-thresholded graph encoder and a forecast head regularized by generic physics penalties. We prove contraction of the induced horizon dynamics under mild conditions and derive Lipschitz bounds for graph blocks, explaining the model's robustness. On six standard benchmarks , PRISM achieves consistent SOTA with strong MSE and MAE gains.
• Abstract（参考訳）: 時系列多変量予測は現実的な予測をしなければならないため困難である (i)異種信号を識別する。 (ii)時間変化したシリーズ間の依存関係を追跡し、 三) 長いロールアウト地平線上で安定かつ物理的に安定である。 本稿では,PRISMと動的に相関を保ったグラフエンコーダと,一般物理法則で正規化された予測ヘッドを結合したスコアベース拡散プリコンディショナーを提案する。 軽度条件下での地平線力学の収縮を証明し、グラフブロックに対するリプシッツ境界を導出し、モデルのロバスト性を説明する。 6つの標準ベンチマークでは、PRISMは強力なMSEとMAEゲインを持つ一貫したSOTAを達成する。

関連論文リスト

• Conformal Inference for Time Series over Graphs [29.748266176856973]
  我々は,グラフ時系列に適した逐次予測フレームワークを開発した。 重要な技術的革新は、グラフ構造を活用して、ノード間のペアの依存関係をキャプチャすることだ。 提案手法は, 楕円体予測セットの体積をグラフに依存しない相対的に指数関数的に縮退させる。
  論文  参考訳（メタデータ） (2025-10-13T06:32:09Z)
• 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)
• Hierarchical Implicit Neural Emulators [20.09615751270837]
  本稿では,長期予測精度を高めるマルチスケール暗黙的ニューラルエミュレータを提案する。 提案手法では, 圧縮速度の向上に先立って, 次の段階の圧縮速度の向上を推算する。 乱流流体力学の実験により,本手法は短期精度が高く,長期安定予測が得られた。
  論文  参考訳（メタデータ） (2025-06-05T00:28:26Z)
• CANet: ChronoAdaptive Network for Enhanced Long-Term Time Series Forecasting under Non-Stationarity [0.0]
  本稿では,スタイル転送技術に触発された新しいアーキテクチャであるChoronoAdaptive Network (CANet)を紹介する。 CANetの中核は非定常適応正規化モジュールであり、スタイルブレンディングゲートと適応インスタンス正規化(AdaIN)をシームレスに統合する。 実世界のデータセットに関する実験は、CANetが最先端の手法よりも優れていることを検証し、MSEの42%、MAEの22%を達成している。
  論文  参考訳（メタデータ） (2025-04-24T20:05:33Z)
• 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)
• A Poisson-Gamma Dynamic Factor Model with Time-Varying Transition Dynamics [51.147876395589925]
  非定常PGDSは、基礎となる遷移行列が時間とともに進化できるように提案されている。 後続シミュレーションを行うために, 完全共役かつ効率的なギブスサンプリング装置を開発した。 実験により,提案した非定常PGDSは,関連するモデルと比較して予測性能が向上することを示した。
  論文  参考訳（メタデータ） (2024-02-26T04:39:01Z)
• Enhancing the Robustness via Adversarial Learning and Joint Spatial-Temporal Embeddings in Traffic Forecasting [11.680589359294972]
  本稿では,ダイナミックスとロバストネスのバランスをとることの課題に対処するため,TrendGCNを提案する。 我々のモデルは、空間的(ノード的に)埋め込みと時間的(時間的に)埋め込みを同時に組み込んで、不均一な空間的・時間的畳み込みを考慮に入れている。 ステップワイドな予測エラーを独立して扱う従来のアプローチと比較して、我々のアプローチはより現実的で堅牢な予測を生み出すことができる。
  論文  参考訳（メタデータ） (2022-08-05T09:36:55Z)
• Multivariate Time Series Forecasting with Dynamic Graph Neural ODEs [65.18780403244178]
  動的グラフニューラル正規微分方程式(MTGODE)を用いた多変量時系列予測連続モデルを提案する。 具体的には、まず、時間進化するノードの特徴と未知のグラフ構造を持つ動的グラフに多変量時系列を抽象化する。 そして、欠落したグラフトポロジを補完し、空間的および時間的メッセージパッシングを統一するために、ニューラルODEを設計、解決する。
  論文  参考訳（メタデータ） (2022-02-17T02:17:31Z)
• 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。