Fugu-MT 論文翻訳(概要): Soft Bayesian Context Tree Models for Real-Valued Time Series

論文の概要: Soft Bayesian Context Tree Models for Real-Valued Time Series

arxiv url: http://arxiv.org/abs/2601.11079v1
Date: Fri, 16 Jan 2026 08:26:20 GMT
ステータス: 翻訳完了
システム内更新日: 2026-01-19 20:21:50.408516
Title: Soft Bayesian Context Tree Models for Real-Valued Time Series
Title（参考訳）: 実時間時系列に対するソフトベイズ文脈木モデル
Authors: Shota Saito, Yuta Nakahara, Toshiyasu Matsushima,
Abstract要約: ソフト・BCTは文脈空間のソフトな(確率的な)分割を、実数値時系列の以前のBCTのように、文脈空間のハードな(決定論的)分割の代わりに考える。いくつかの実世界のデータセットでは、Soft-BCTは以前のBCTとほとんど同じまたは優れた性能を示している。
参考スコア（独自算出の注目度）: 7.3517692707289415
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper proposes the soft Bayesian context tree model (Soft-BCT), which is a novel BCT model for real-valued time series. The Soft-BCT considers soft (probabilistic) splits of the context space, instead of hard (deterministic) splits of the context space as in the previous BCT for real-valued time series. A learning algorithm of the Soft-BCT is proposed based on the variational inference. For some real-world datasets, the Soft-BCT demonstrates almost the same or superior performance to the previous BCT.
Abstract（参考訳）: 本稿では,実数値時系列に対する新しいBCTモデルであるソフトベイズ文脈木モデル(Soft-BCT)を提案する。ソフト・BCTは文脈空間のソフトな(確率的な)分割を、実数値時系列の以前のBCTのように、文脈空間のハードな(決定論的)分割の代わりに考える。変分推論に基づくソフトBCTの学習アルゴリズムを提案する。いくつかの実世界のデータセットでは、Soft-BCTは以前のBCTとほとんど同じまたは優れた性能を示している。

関連論文リスト

LLM Routing with Dueling Feedback [49.67815163970033]
ユーザの満足度,モデルの専門性,推論コストのバランスを保ちながら,クエリ毎に最適なモデルを選択するという課題について検討する。絶対的なスコアではなく、ペアの選好フィードバックから学習することで、ルーティングをコンテキストデュエルの帯域として定式化する。分類的重み付けを用いた対照的な微調整を用いて,オフラインデータからモデル埋め込みを導出する表現学習手法であるカテゴリーキャリブレーション・ファインタニング(CCFT)を導入する。
論文参考訳（メタデータ） (2025-10-01T12:52:25Z)
Estimating Time Series Foundation Model Transferability via In-Context Learning [74.65355820906355]
時系列基礎モデル(TSFM)は、大規模な事前訓練を通じて強力なゼロショット予測を提供する。微調整は、公開データに制限のあるドメインのパフォーマンス向上に依然として不可欠である。モデル選択をコンテキスト内学習問題として再キャストする転送可能性推定フレームワークであるTimeTicを紹介する。
論文参考訳（メタデータ） (2025-09-28T07:07:13Z)
Time-Varying Bayesian Optimization Without a Metronome [10.265700429828021]
TVBOアルゴリズムによって提供されるサンプリング保証のほとんどは、観測が一定の周波数で取得されるという仮定に依存している。我々は、観察頻度の変化を明示的に説明する最初の上部後悔境界を導出する。これらの勧告に従うアルゴリズムが,TVBOの最先端技術よりも優れていることを示す。
論文参考訳（メタデータ） (2025-01-31T08:49:33Z)
SCTc-TE: A Comprehensive Formulation and Benchmark for Temporal Event Forecasting [63.01035584154509]
私たちは完全に自動化されたパイプラインを開発し、約0.6百万のニュース記事からMidEast-TEという大規模なデータセットを構築しました。このデータセットは、2015年から2022年まで、主に中東地域での協力と紛争イベントに焦点を当てている。そこで本稿では,SCTc-TE予測にローカルコンテキストとグローバルコンテキストの両方を活用可能なLoGoを提案する。
論文参考訳（メタデータ） (2023-12-02T07:40:21Z)
The Bayesian Context Trees State Space Model for time series modelling and forecasting [7.018547803286913]
時系列用の木に基づく混合モデルを開発するための階層型ベイズフレームワークが導入された。これをBayesian Context Trees State Space Model(BCT-Xフレームワーク)と呼びます。
論文参考訳（メタデータ） (2023-08-02T02:40:42Z)
Incorporating Structured Sentences with Time-enhanced BERT for Fully-inductive Temporal Relation Prediction [13.070974291417318]
不完全な時間的知識(TKG)に時間的関係予測を組み込むことは、一般的な時間的知識グラフ補完(TKGC)問題である。従来の埋め込みベースのTKGCモデルは構造化接続に依存しており、固定されたエンティティのみを扱うことができる。本研究では、トレーニングとテストセットのエンティティが完全に不整合である完全帰納的設定をTKGに拡張する。我々のモデルはエンティティ履歴を取得し、構造化文を符号化することで意味空間における規則を暗黙的に学習することができる。
論文参考訳（メタデータ） (2023-04-10T17:22:15Z)
HiSMatch: Historical Structure Matching based Temporal Knowledge Graph Reasoning [59.38797474903334]
本稿では,textbfHistorical textbfStructure textbfMatching (textbfHiSMatch)モデルを提案する。クエリと候補エンティティの履歴構造に含まれる意味情報をキャプチャするために、2つの構造エンコーダを適用する。 6つのベンチマークデータセットの実験では、提案されたHiSMatchモデルが、最先端のベースラインと比較して最大5.6%のパフォーマンス改善を達成している。
論文参考訳（メタデータ） (2022-10-18T09:39:26Z)
Robust Continual Test-time Adaptation: Instance-aware BN and Prediction-balanced Memory [58.72445309519892]
テストデータストリーム以外のデータストリームに対して堅牢な新しいテスト時間適応方式を提案する。 a)分布外サンプルの正規化を修正するIABN(Instance-Aware Batch Normalization)と、(b)クラスバランスのない方法で非i.d.ストリームからのデータストリームをシミュレートするPBRS(Predict- Balanced Reservoir Sampling)である。
論文参考訳（メタデータ） (2022-08-10T03:05:46Z)
Context-tree weighting for real-valued time series: Bayesian inference with hierarchical mixture models [8.37609145576126]
時系列の混合モデルを構築するための一般的な階層型ベイズモデリングフレームワークが開発されている。この開発は、部分的にはコンテキストツリーの使用に基づいており、学習と推論のための効果的なアルゴリズムツールのコレクションを含んでいる。汎用フレームワークの実用性は、自己回帰(AR)モデルが底面で使用されるときに詳細に説明され、結果として非線形AR混合モデルが得られる。
論文参考訳（メタデータ） (2021-06-06T03:46:49Z)

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。