論文の概要: Retrodictive Forecasting: A Proof-of-Concept for Exploiting Temporal Asymmetry in Time Series Prediction

• arxiv url: http://arxiv.org/abs/2603.00636v1
• Date: Sat, 28 Feb 2026 13:07:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-03 19:50:56.304059
• Title: Retrodictive Forecasting: A Proof-of-Concept for Exploiting Temporal Asymmetry in Time Series Prediction
• Title（参考訳）: Retrodictive Forecasting:時系列予測における時間的非対称性の爆発に対する概念実証
• Authors: Cedric Damour,
• Abstract要約: 本稿では時系列の予測パラダイムを提案する。 過去から未来を予測する代わりに、観測された現在を最もよく説明する未来を特定する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose a retrodictive forecasting paradigm for time series: instead of predicting the future from the past, we identify the future that best explains the observed present via inverse MAP optimization over a Conditional Variational Autoencoder (CVAE). This conditioning is a statistical modeling choice for Bayesian inversion; it does not assert that future events cause past observations. The approach is theoretically grounded in an information-theoretic arrow-of-time measure: the symmetrized Kullback-Leibler divergence between forward and time-reversed trajectory ensembles provides both the conceptual rationale and an operational GO/NO-GO diagnostic for applicability. We implement the paradigm as MAP inference over an inverse CVAE with a learned RealNVP normalizing-flow prior and evaluate it on six time series cases: four synthetic processes with controlled temporal asymmetry and two ERA5 reanalysis datasets (wind speed and solar irradiance). The work makes four contributions: (i) a formal retrodictive inference formulation; (ii) an inverse CVAE architecture; (iii) a model-free irreversibility diagnostic; and (iv) a falsifiable validation protocol with four pre-specified predictions. All pre-specified predictions are empirically supported: the diagnostic correctly classifies all six cases; the learned flow prior improves over an isotropic Gaussian baseline on GO cases; the inverse MAP yields no spurious advantage on time-reversible dynamics; and on irreversible GO cases, it achieves competitive or superior RMSE relative to forward baselines, with a statistically significant 17.7% reduction over a forward MLP on ERA5 solar irradiance. These results provide a structured proof-of-concept that retrodictive forecasting can constitute a viable alternative to conventional forward prediction when statistical time-irreversibility is present and exploitable.
• Abstract（参考訳）: 本研究では,過去から未来を予測する代わりに,条件付き変分オートエンコーダ (CVAE) 上での逆MAP最適化によって観測された未来を最もよく説明できる,時系列の予測パラダイムを提案する。 この条件付けはベイズ反転の統計モデル選択であり、将来の事象が過去の観測を引き起こすと主張するものではない。 この手法は、情報理論の矢印時間測度(英語版)に理論的に基礎を置いている: 前方と時間反転軌道アンサンブル間のシンメトリケートされたクルバック・リーブラー分散は、応用性のための概念的理性と運用上のGO/NO-GO診断の両方を提供する。 本研究では,学習したRealNVP正規化-フローを持つ逆CVAE上のMAP推論としてこのパラダイムを実装し,時間的非対称性を制御した4つの合成プロセスと2つのERA5再解析データセット(風速と太陽光)の6つの時系列ケースで評価する。 この作品は4つの貢献をしている。 一 形式的後述推論の定式化 (二)逆CVAE建築 三 モデルフリーの可逆性診断 (iv)4つの事前特定された予測を伴う偽確認プロトコル。 診断は、すべての6つのケースを正しく分類する; 学習されたフローは、GOのケースにおける等方的ガウス基底線よりも改善する; 逆MAPは、時間的に可逆なダイナミクスに対して刺激的な優位性をもたらす; 不可逆GOのケースでは、前方ベース線に対して競争力または優れたRMSEを達成し、統計学的にERA5太陽放射に対するMLPよりも17.7%減少する。 これらの結果から,統計的時間不可逆性が存在する場合,回帰予測が従来の前方予測の代替となる可能性が示唆された。

関連論文リスト

• Position: Beyond Model-Centric Prediction -- Agentic Time Series Forecasting [49.05788441962762]
  エージェント時系列予測(ATSF)は,認識,計画,行動,反射,記憶からなるエージェントプロセスとして再編成される。 ワークフローに基づく設計、エージェント強化学習、ハイブリッドエージェントワークフローパラダイムという3つの代表的な実装パラダイムを概説し、モデル中心の予測からエージェント予測に移行する際に生じる機会と課題について議論する。
  論文  参考訳（メタデータ） (2026-02-02T08:01:11Z)
• Neural CDEs as Correctors for Learned Time Series Models [0.0]
  本研究では,予測器を学習時系列モデルとし,Correctorをニューラル制御微分方程式とする予測器・コレクタ機構を提案する。 提案したCorrectorは、不規則にサンプリングされた時系列と連続時間および離散時間予測器で動作する。 合成, 物理シミュレーション, 実世界の予測データセットにおいて, 様々な予測器を用いてコレクターを評価した。
  論文  参考訳（メタデータ） (2025-12-13T01:17:05Z)
• Bridging the Gap Between Bayesian Deep Learning and Ensemble Weather Forecasts [100.26854618129039]
  天気予報は、大気のカオス的な性質によって根本的に挑戦されている。 ベイジアンディープラーニング(BDL)の最近の進歩は、有望だがしばしば非接続な代替手段を提供する。 気象予報のための統合型BDLフレームワークにより,これらのパラダイムを橋渡しする。
  論文  参考訳（メタデータ） (2025-11-18T07:49:52Z)
• Signature Kernel Scoring Rule as Spatio-Temporal Diagnostic for Probabilistic Forecasting [3.4161707164978137]
  我々は、時間的および空間的依存関係を符号化する連続経路として、気象変数を再構成するシグネチャカーネルスコアリングルールを導入する。 WeatherBench 2モデルの気象スコアカードによる経験的評価は、署名カーネルスコアリングルールの高い識別力を示している。 我々は、ERA5再解析気象データに基づいて、予測逐次スコアリングルールを用いて、滑り窓生成ニューラルネットワークを訓練する。
  論文  参考訳（メタデータ） (2025-10-21T22:15:20Z)
• Revisiting Multivariate Time Series Forecasting with Missing Values [65.30332997607141]
  現実の時系列では欠落値が一般的である。 現在のアプローチでは、計算モジュールを使用して、不足した値を補う、計算済みの予測フレームワークが開発されている。 このフレームワークは、致命的な問題を見落としている: 欠落した値に対して基礎的な真理は存在せず、予測精度を劣化させる可能性のあるエラーの影響を受けやすいようにしている。 本稿では,Information Bottleneck原則に基づく新しいフレームワークであるConsistency-Regularized Information Bottleneck(CRIB)を紹介する。
  論文  参考訳（メタデータ） (2025-09-27T20:57:48Z)
• Reproducing EPR correlations without superluminal signalling: backward conditional probabilities and Statistical Independence [0.0]
  ベルの定理は、局所因果性と統計的独立性を尊重するモデルは、絡み合った状態を通じて量子力学によって予測される相関を説明できないと述べている。 本稿では, 統計的独立性を「微調整条件」として保存しつつ, 時間的順序付けの従来の仮定を緩和する手法を提案する。
  論文  参考訳（メタデータ） (2025-01-19T14:43:18Z)
• Data Assimilation with Machine Learning Surrogate Models: A Case Study with FourCastNet [10.773673764125439]
  部分的・雑音的な観測を補足した機械学習サロゲートを用いたオンライン天気予報について検討した。 サロゲートの長期間の不安定性と観測の空間性にもかかわらず、フィルタリング推定は長期間の地平線において正確である。
  論文  参考訳（メタデータ） (2024-05-21T20:06:12Z)
• Variational Inference with Coverage Guarantees in Simulation-Based Inference [18.818573945984873]
  コンフォーマル化補正ニューラル変分推論(CANVI)を提案する。 CANVIは各候補に基づいて共形予測器を構築し、予測効率と呼ばれる計量を用いて予測器を比較し、最も効率的な予測器を返す。 我々は,CANVIが生成する領域の予測効率の低い境界を証明し,その近似に基づいて,後部近似の品質と予測領域の予測効率の関係について検討する。
  論文  参考訳（メタデータ） (2023-05-23T17:24:04Z)
• Forecast reconciliation for vaccine supply chain optimization [61.13962963550403]
  ワクチンサプライチェーン最適化は階層的な時系列予測の恩恵を受けることができる。 異なる階層レベルの予測は、上位レベルの予測が下位レベルの予測の総和と一致しないときに不整合となる。 我々は2010年から2021年にかけてのGSKの販売データを階層的時系列としてモデル化し,ワクチン販売予測問題に取り組む。
  論文  参考訳（メタデータ） (2023-05-02T14:34:34Z)
• Uncertainty estimation of pedestrian future trajectory using Bayesian approximation [137.00426219455116]
  動的トラフィックシナリオでは、決定論的予測に基づく計画は信頼できない。 著者らは、決定論的アプローチが捉えられない近似を用いて予測中の不確実性を定量化する。 将来の状態の不確実性に対する降雨重量と長期予測の影響について検討した。
  論文  参考訳（メタデータ） (2022-05-04T04:23:38Z)
• Learning Interpretable Deep State Space Model for Probabilistic Time Series Forecasting [98.57851612518758]
  確率的時系列予測は、その歴史に基づいて将来の分布を推定する。 本稿では,非線形エミッションモデルと遷移モデルとをネットワークによってパラメータ化した,確率的時系列予測のための深部状態空間モデルを提案する。 実験では,我々のモデルが正確かつ鋭い確率予測を生成することを示す。
  論文  参考訳（メタデータ） (2021-01-31T06:49:33Z)

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。