論文の概要: XLinear: A Lightweight and Accurate MLP-Based Model for Long-Term Time Series Forecasting with Exogenous Inputs

• arxiv url: http://arxiv.org/abs/2601.09237v1
• Date: Wed, 14 Jan 2026 07:21:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-15 18:59:20.306098
• Title: XLinear: A Lightweight and Accurate MLP-Based Model for Long-Term Time Series Forecasting with Exogenous Inputs
• Title（参考訳）: XLinear:外因性入力による長期時系列予測のための軽量かつ高精度MLPベースモデル
• Authors: Xinyang Chen, Huidong Jin, Yu Huang, Zaiwen Feng,
• Abstract要約: 本研究では,MultiLayer Perceptrons上に構築された軽量時系列予測モデルであるXLinearを提案する。 XLinearは、内因性変数から派生したグローバルトークンを、変数と相互作用するための中心的なハブとして使用し、これらの信号を統合して内因性系列を予測する。
• 参考スコア（独自算出の注目度）: 6.220315921943706
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Despite the prevalent assumption of uniform variable importance in long-term time series forecasting models, real world applications often exhibit asymmetric causal relationships and varying data acquisition costs. Specifically, cost-effective exogenous data (e.g., local weather) can unilaterally influence dynamics of endogenous variables, such as lake surface temperature. Exploiting these links enables more effective forecasts when exogenous inputs are readily available. Transformer-based models capture long-range dependencies but incur high computation and suffer from permutation invariance. Patch-based variants improve efficiency yet can miss local temporal patterns. To efficiently exploit informative signals across both the temporal dimension and relevant exogenous variables, this study proposes XLinear, a lightweight time series forecasting model built upon MultiLayer Perceptrons (MLPs). XLinear uses a global token derived from an endogenous variable as a pivotal hub for interacting with exogenous variables, and employs MLPs with sigmoid activation to extract both temporal patterns and variate-wise dependencies. Its prediction head then integrates these signals to forecast the endogenous series. We evaluate XLinear on seven standard benchmarks and five real-world datasets with exogenous inputs. Compared with state-of-the-art models, XLinear delivers superior accuracy and efficiency for both multivariate forecasts and univariate forecasts influenced by exogenous inputs.
• Abstract（参考訳）: 長期連続予測モデルにおける一様変数の重要性の仮定が一般的であるにもかかわらず、現実の応用はしばしば非対称因果関係と様々なデータ取得コストを示す。 特に、コスト効率のよい外因性データ(例えば、現地の天気)は、湖面温度などの内因性変数の力学に一方的に影響を及ぼす可能性がある。 これらのリンクをエクスプロイトすることで、外因性入力が容易に利用できる場合に、より効果的な予測が可能になる。 トランスフォーマーベースのモデルは、長距離依存をキャプチャするが、高い計算能力を持ち、置換不変性に悩まされる。 パッチベースの変種は効率を向上するが、局所的な時間パターンを見逃す可能性がある。 そこで本研究では,MultiLayer Perceptrons(MLP)上に構築された軽量時系列予測モデルであるXLinearを提案する。 XLinearは、内因性変数から派生したグローバルトークンを、外因性変数と相互作用するための中心的なハブとして使用し、時相パターンと変分依存性の両方を抽出するためにシグモイドアクティベーションを持つMLPを使用している。 その予測ヘッドはこれらの信号を統合して内因性系列を予測する。 我々はXLinearを7つの標準ベンチマークと5つの実世界のデータセットで評価した。 最先端モデルと比較して、XLinearは多変量予測と外因性入力の影響を受けない単変量予測の両方において精度と効率が優れている。

関連論文リスト

• 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)
• TimeXer: Empowering Transformers for Time Series Forecasting with Exogenous Variables [75.83318701911274]
  TimeXerは外部情報を取り込み、内因性変数の予測を強化する。 TimeXerは、12の現実世界の予測ベンチマークで一貫した最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2024-02-29T11:54:35Z)
• Discovering Predictable Latent Factors for Time Series Forecasting [39.08011991308137]
  我々は,観測可能な時系列によって示唆される本質的な潜伏因子を推定するための新しい枠組みを開発する。 予測可能性,充足性,識別性という3つの特性を導入し,これらの特性を強力な潜伏力学モデルを用いてモデル化する。 複数の実データに対する実験結果から, 時系列予測の手法の有効性が示唆された。
  論文  参考訳（メタデータ） (2023-03-18T14:37:37Z)
• 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)
• Multivariate Probabilistic Time Series Forecasting via Conditioned Normalizing Flows [8.859284959951204]
  時系列予測は科学的・工学的な問題の基本である。 深層学習法はこの問題に適している。 多くの実世界のデータセットにおける標準メトリクスの最先端よりも改善されていることを示す。
  論文  参考訳（メタデータ） (2020-02-14T16:16:51Z)

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。