論文の概要: Routing Channel-Patch Dependencies in Time Series Forecasting with Graph Spectral Decomposition

• arxiv url: http://arxiv.org/abs/2603.13702v1
• Date: Sat, 14 Mar 2026 02:18:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-17 16:19:35.351443
• Title: Routing Channel-Patch Dependencies in Time Series Forecasting with Graph Spectral Decomposition
• Title（参考訳）: グラフスペクトル分解による時系列予測におけるチャネルパッチ依存性のルーティング
• Authors: Dongyuan Li, Shun Zheng, Chang Xu, Jiang Bian, Renhe Jiang,
• Abstract要約: 本稿では, グラフスペクトル分解の観点から, チャネルパッチ依存性を適応的にモデル化できる汎用プラグインxCPDを提案する。 xCPDは既存のCIおよびCD予測モデルの上にシームレスに統合することができ、ベンチマーク間の精度と一般化を一貫して強化することができる。
• 参考スコア（独自算出の注目度）: 44.75749696286735
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Time series forecasting has attracted significant attention in the field of AI. Previous works have revealed that the Channel-Independent (CI) strategy improves forecasting performance by modeling each channel individually, but it often suffers from poor generalization and overlooks meaningful inter-channel interactions. Conversely, Channel-Dependent (CD) strategies aggregate all channels, which may introduce irrelevant information and lead to oversmoothing. Despite recent progress, few existing methods offer the flexibility to adaptively balance CI and CD strategies in response to varying channel dependencies. To address this, we propose a generic plugin xCPD, that can adaptively model the channel-patch dependencies from the perspective of graph spectral decomposition. Specifically, xCPD first projects multivariate signals into the frequency domain using a shared graph Fourier basis, and groups patches into low-, mid-, and high-frequency bands based on their spectral energy responses. xCPD then applies a channel-adaptive routing mechanism that dynamically adjusts the degree of inter-channel interaction for each patch, enabling selective activation of frequency-specific experts. This facilitates fine-grained input-aware modeling of smooth trends, local fluctuations, and abrupt transitions. xCPD can be seamlessly integrated on top of existing CI and CD forecasting models, consistently enhancing both accuracy and generalization across benchmarks. The code is available https://github.com/Clearloveyuan/xCPD.
• Abstract（参考訳）: 時系列予測はAIの分野で大きな注目を集めている。 従来の研究によると、チャネル独立(CI)戦略は個々のチャネルを個別にモデル化することで予測性能を向上させるが、しばしば一般化の貧弱さに悩まされ、意味あるチャネル間相互作用を見落としている。 逆に、Channel-Dependent(CD)戦略はすべてのチャンネルを集約し、無関係な情報を導入し、過度なスムーシングにつながる可能性がある。 最近の進歩にもかかわらず、CIとCDの戦略を適応的にバランスさせる柔軟性を提供する既存の方法はほとんどない。 そこで我々は,グラフスペクトル分解の観点から,チャネルパッチ依存性を適応的にモデル化できる汎用プラグインxCPDを提案する。 具体的には、xCPDはまず共有グラフフーリエ基底を用いて周波数領域に多変量信号を投影し、そのスペクトルエネルギー応答に基づいてパッチを低、中、高周波数帯域にグループ化する。 xCPDは、各パッチのチャネル間相互作用の度合いを動的に調整し、周波数特性の専門家を選択的に活性化するチャネル適応ルーティング機構を適用する。 これにより、スムーズなトレンド、局所的なゆらぎ、急激な遷移の詳細な入力認識モデリングが容易になる。 xCPDは既存のCIおよびCD予測モデルの上にシームレスに統合することができ、ベンチマーク間の精度と一般化を一貫して強化することができる。 コードはhttps://github.com/Clearloveyuan/xCPD.comで入手できる。

関連論文リスト

• CPiRi: Channel Permutation-Invariant Relational Interaction for Multivariate Time Series Forecasting [21.579831447953243]
  チャネル依存モデルはチャネル間の特徴を学習するが、しばしばチャネルの順序付けに適合する。 チャネルに依存しないモデルは、各チャネルを分離して柔軟性を高めるが、チャネル間の依存関係を無視し、性能を制限する。 固定順序を記憶するのではなく,データからチャネル間構造を推定するフレームワークである textbfCPiRi を提案する。
  論文  参考訳（メタデータ） (2026-01-28T07:30:32Z)
• Channel-Aware Low-Rank Adaptation in Time Series Forecasting [43.684035409535696]
  2つの代表的なチャネル戦略は、モデル表現性とロバスト性に密接に関連している。 本稿では,チャネル対応の低ランク適応手法を,アイデンティティ対応の個別コンポーネント上での条件付きCDモデルに適用する。
  論文  参考訳（メタデータ） (2024-07-24T13:05:17Z)
• SOFTS: Efficient Multivariate Time Series Forecasting with Series-Core Fusion [59.96233305733875]
  時系列予測は、金融、交通管理、エネルギー、医療など様々な分野で重要な役割を果たしている。 いくつかの方法は、注意やミキサーのようなメカニズムを利用して、チャネル相関をキャプチャすることでこの問題に対処する。 本稿では,効率的なモデルであるSOFTS(Series-cOre Fused Time Series forecaster)を提案する。
  論文  参考訳（メタデータ） (2024-04-22T14:06:35Z)
• From Similarity to Superiority: Channel Clustering for Time Series Forecasting [61.96777031937871]
  CCM(Channel Clustering Module)を開発した。 CCMは、固有の類似性を特徴とするチャネルを動的にグループ化し、個々のチャネルのアイデンティティの代わりにクラスタ情報を活用する。 CCMは、CIモデルとCDモデルのパフォーマンスを、それぞれ長期および短期の予測において平均利率2.4%と7.2%で向上させることができる。
  論文  参考訳（メタデータ） (2024-03-31T02:46:27Z)
• MCformer: Multivariate Time Series Forecasting with Mixed-Channels Transformer [8.329947472853029]
  Channel Independence(CI)戦略は、すべてのチャネルを単一のチャネルとして扱い、データセットを拡張する。 Mixed Channels戦略は、CI戦略のデータ拡張アドバンテージと、チャネル間の相関を忘れないように対処する機能を組み合わせたものだ。 モデルは特定の数のチャネルをブレンドし、チャネル間の相関情報を効果的に取得するための注意機構を活用する。
  論文  参考訳（メタデータ） (2024-03-14T09:43:07Z)

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。