論文の概要: Grammar of the Wave: Towards Explainable Multivariate Time Series Event Detection via Neuro-Symbolic VLM Agents
- arxiv url: http://arxiv.org/abs/2603.11479v1
- Date: Thu, 12 Mar 2026 03:01:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-13 14:46:25.835066
- Title: Grammar of the Wave: Towards Explainable Multivariate Time Series Event Detection via Neuro-Symbolic VLM Agents
- Title（参考訳）: 波の文法:ニューロシンボリックVLMエージェントによる説明可能な多変量時系列イベント検出に向けて
- Authors: Sky Chenwei Wan, Tianjun Hou, Yifei Wang, Xiqing Chang, Aymeric Jan,
- Abstract要約: Event Logic Tree (ELT) は言語記述と物理時系列データを橋渡しする新しい知識表現フレームワークである。
本稿では,信号の可視化からプリミティブを反復的にインスタンス化し,ERT制約下で構成する,ニューロシンボリックなVLMエージェントフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 7.342421193902292
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Time Series Event Detection (TSED) has long been an important task with critical applications across many high-stakes domains. Unlike statistical anomalies, events are defined by semantics with complex internal structures, which are difficult to learn inductively from scarce labeled data in real-world settings. In light of this, we introduce Knowledge-Guided TSED, a new setting where a model is given a natural-language event description and must ground it to intervals in multivariate signals with little or no training data. To tackle this challenge, we introduce Event Logic Tree (ELT), a novel knowledge representation framework to bridge linguistic descriptions and physical time series data via modeling the intrinsic temporal-logic structures of events. Based on ELT, we present a neuro-symbolic VLM agent framework that iteratively instantiates primitives from signal visualizations and composes them under ELT constraints, producing both detected intervals and faithful explanations in the form of instantiated trees. To validate the effectiveness of our approach, we release a benchmark based on real-world time series data with expert knowledge and annotations. Experiments and human evaluation demonstrate the superiority of our method compared to supervised fine-tuning baselines and existing zero-shot time series reasoning frameworks based on LLMs/VLMs. We also show that ELT is critical in mitigating VLMs' inherent hallucination in matching signal morphology with event semantics.
- Abstract（参考訳）: 時系列イベント検出(TSED)は、多くの高い領域にわたる重要なアプリケーションにおいて、長い間重要なタスクであった。
統計的異常とは異なり、イベントは複雑な内部構造を持つ意味論によって定義される。
そこで本研究では,モデルに自然言語によるイベント記述を付与し,学習データをほとんどあるいは全く含まない多変量信号の間隔に起点とする,知識誘導型TSEDを提案する。
この課題に対処するために,イベント論理木(ELT, Event Logic Tree)を紹介した。これは,イベントの固有時間-時間-論理構造をモデル化することによって,言語記述と物理時系列データをブリッジする,新しい知識表現フレームワークである。
ELTに基づいて,信号の可視化からプリミティブを反復的にインスタンス化し,ETL制約の下で構成し,検出された間隔と忠実な説明をインスタンス化ツリーの形で生成する,ニューロシンボリックなVLMエージェントフレームワークを提案する。
提案手法の有効性を検証するため,専門家の知識とアノテーションを用いた実世界の時系列データに基づくベンチマークを作成した。
LLM/VLMに基づく教師付き微調整ベースラインや既存のゼロショット時系列推論フレームワークと比較して,本手法の優位性を示す実験と人為評価を行った。
また,ERTはVLMs固有の幻覚の緩和に重要であり,信号形態と事象のセマンティクスの整合性を示す。
関連論文リスト
- Contextual and Seasonal LSTMs for Time Series Anomaly Detection [49.50689313712684]
CS-LSTM (Contextual and Seasonal LSTMs) という新しい予測型フレームワークを提案する。
CS-LSTMはノイズ分解戦略に基づいて構築され、コンテキスト依存と季節パターンを併用する。
彼らは一貫して最先端の手法を上回り、堅牢な時系列異常検出における有効性と実用的価値を強調した。
論文 参考訳（メタデータ） (2026-02-10T11:46:15Z) - Enhancing Temporal Awareness in LLMs for Temporal Point Processes [53.596733432865626]
時間的ポイントプロセス(TPP)は、時間とともにイベントを分析するのに不可欠である。
TPP-TALは、大規模な言語モデルにおける時間的推論を強化するために設計された新しいプラグイン・アンド・プレイフレームワークである。
TPP-TALは時間的確率推定と事象予測精度を大幅に改善した。
論文 参考訳（メタデータ） (2025-12-29T03:01:24Z) - Event Extraction in Large Language Model [99.94321497574805]
私たちは、LLM中心のソリューションに認知的な足場を提供するシステムコンポーネントとして、EEは見なされるべきである、と論じます。
この調査では、EEのテキストとマルチモーダル設定、タスクと分類の整理、ルールベースとニューラルモデルから命令駆動および生成フレームワークへのメソッド進化のトレースについて取り上げている。
論文 参考訳（メタデータ） (2025-12-22T16:22:14Z) - UniDiff: A Unified Diffusion Framework for Multimodal Time Series Forecasting [90.47915032778366]
マルチモーダル時系列予測のための統合拡散フレームワークUniDiffを提案する。
コアには統一的で並列な融合モジュールがあり、単一のクロスアテンション機構がタイムスタンプからの構造化情報とテキストからのセマンティックコンテキストを統合する。
8つの領域にわたる実世界のベンチマークデータセットの実験は、提案したUniDiffモデルが最先端のパフォーマンスを達成することを示す。
論文 参考訳（メタデータ） (2025-12-08T05:36:14Z) - NUM2EVENT: Interpretable Event Reasoning from Numerical time-series [6.45945124018154]
本稿では,数値入力から解釈可能な構造化イベントを推論することを目的とした,数対値推論と復号化の課題を紹介する。
データ不足とセマンティックアライメントの課題に対処するために、推論対応フレームワークを提案する。
我々のモデルは、数値的な変化に対して明確に理由付け、中間的な説明を生成し、構造化された事象仮説を出力する。
論文 参考訳（メタデータ） (2025-10-24T02:57:11Z) - TS-Agent: A Time Series Reasoning Agent with Iterative Statistical Insight Gathering [16.95452463476229]
大規模言語モデル(LLM)のための時系列推論エージェントTS-Agentを提案する。
時系列をテキストトークン、画像、埋め込みにマッピングする代わりに、我々のエージェントは原子演算子を介して生の数値列と相互作用する。
実験の結果,TS-Agent は理解ベンチマークの最先端 LLM に匹敵する性能を達成できた。
論文 参考訳（メタデータ） (2025-10-08T18:31:53Z) - AXIS: Explainable Time Series Anomaly Detection with Large Language Models [33.68487894996624]
AXISは、時系列理解のための凍結したLarge Language Models (LLM) を規定するフレームワークである。
LLMは離散トークンで動作し、長い連続的な信号を直接処理するのに苦労する。
文脈的接地とパターンレベルのセマンティクスを監督するマルチフォーマットの質問と合理性を特徴とする新しいベンチマークを導入する。
論文 参考訳（メタデータ） (2025-09-29T07:24:22Z) - Causal Discovery in Multivariate Time Series through Mutual Information Featurization [0.1657441317977376]
時間的因果関係(TD2C)は、情報理論と統計的記述の豊富なセットから複雑な因果的シグネチャを認識することを学ぶ。
以上の結果から,TD2Cは最先端の性能を達成し,確立された手法を一貫して上回ることを示す。
論文 参考訳（メタデータ） (2025-08-03T17:03:13Z) - Time-RA: Towards Time Series Reasoning for Anomaly with LLM Feedback [55.284574165467525]
Time-RA(Time-Series Reasoning for Anomaly)は、時系列異常検出を生成的、推論集約的なタスクに変換する。
また,実世界のマルチモーダルベンチマークデータセットであるRATs40Kを導入する。
論文 参考訳（メタデータ） (2025-07-20T18:02:50Z) - LLM-PS: Empowering Large Language Models for Time Series Forecasting with Temporal Patterns and Semantics [56.99021951927683]
Time Series Forecasting (TSF) は、金融計画や健康モニタリングなど、多くの現実世界のドメインにおいて重要である。
既存のLarge Language Models (LLM) は通常、時系列データ固有の特性を無視するため、非最適に実行する。
時系列データから基本的なtextitPatterns と有意義な textitSemantics を学習し,TLF のための LLM-PS を提案する。
論文 参考訳（メタデータ） (2025-03-12T11:45:11Z) - GATGPT: A Pre-trained Large Language Model with Graph Attention Network
for Spatiotemporal Imputation [19.371155159744934]
実世界の環境では、センサーの故障やデータ転送エラーなどの問題により、そのようなデータには欠落する要素がしばしば含まれる。
時間的計算の目的は、観測された時系列における固有の空間的および時間的関係を理解することによって、これらの欠落値を推定することである。
伝統的に、複雑な時間的計算は特定のアーキテクチャに依存しており、適用可能性の制限と高い計算複雑性に悩まされている。
対照的に、我々のアプローチは、事前訓練された大規模言語モデル(LLM)を複雑な時間的インプットに統合し、画期的なフレームワークであるGATGPTを導入している。
論文 参考訳（メタデータ） (2023-11-24T08:15:11Z)
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。