論文の概要: FoReco and FoRecoML: A Unified Toolbox for Forecast Reconciliation in R

• arxiv url: http://arxiv.org/abs/2604.27696v1
• Date: Thu, 30 Apr 2026 10:38:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-01 16:31:54.045573
• Title: FoReco and FoRecoML: A Unified Toolbox for Forecast Reconciliation in R
• Title（参考訳）: FoRecoとFoRecoML: Rにおける予測整合のための統一ツールボックス
• Authors: Daniele Girolimetto, Jeroen Rombouts, Ines Wilms, Yangzhuoran Fin Yang,
• Abstract要約: RパッケージのFoRecoとFoRecoMLは、包括的で統一されたフレームワークを提供することで、このギャップに対処する。 FoRecoとFoRecoMLは、予測和解に取り組んでいる実践者や研究者のための汎用的なツールである。
• 参考スコア（独自算出の注目度）: 0.8574682463936006
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Forecast reconciliation has become key to improving the accuracy and coherence of forecasts for linearly constrained multiple time series, such as hierarchical and grouped series. Yet, comprehensive software that jointly covers cross-sectional, temporal, and cross-temporal reconciliation has so far been lacking. The R packages FoReco and FoRecoML address this gap by offering a comprehensive and unified framework. The packages respectively implement classical and regression-based linear reconciliation approaches, and non-linear approaches based on machine learning for cross-sectional, temporal and cross-temporal frameworks. Designed for accessibility and flexibility, these packages provide sensible default options that allow new users to apply reconciliation methods with minimal effort, while still giving expert users full control to explore state-of-the-art extensions through customized settings. With this dual focus, FoReco and FoRecoML are versatile tools for practitioners and researchers working on forecast reconciliation.
• Abstract（参考訳）: 予測整合性は、階層列や群列列のような線形に制約された多重時系列に対する予測の精度とコヒーレンスを向上させるための鍵となっている。 しかし、横断的、時間的、時間的相互和解を包括的にカバーする包括的ソフトウェアは、今のところ不足している。 RパッケージのFoRecoとFoRecoMLは、包括的で統一されたフレームワークを提供することで、このギャップに対処する。 パッケージはそれぞれ、古典的および回帰的線形整合アプローチと、横断的、時間的および時間的フレームワークのための機械学習に基づく非線形アプローチを実装している。 アクセシビリティと柔軟性のために設計されたこれらのパッケージは、新しいユーザが最小限の努力で和解方法を適用できるように、合理的なデフォルトオプションを提供する。 この2つの焦点で、FoRecoとFoRecoMLは、予測和解に取り組んでいる実践者や研究者のための汎用的なツールである。

関連論文リスト

• Barrier-enforced multi-objective optimization for direct point and sharp interval forecasting [1.0966260566122237]
  本稿では,単一ニューラルネットワークモデルを用いた多段階確率予測フレームワークを提案する。 我々のアプローチは、ターゲットカバレッジ確率(PICP)を厳密に満たしたモデル構造設計により、非交差予測間隔(PI)を保証する。 その結果, 提案した損失は, PI幅が最も狭い対象範囲を達成し, 現行文献よりも一貫して優れていた。
  論文  参考訳（メタデータ） (2026-04-20T16:43:12Z)
• MTS-JEPA: Multi-Resolution Joint-Embedding Predictive Architecture for Time-Series Anomaly Prediction [9.41179596958512]
  MTS-JEPAは,ソフトコードブックのボトルネックと多解像度の予測対象を統合した特殊なアーキテクチャである。 この設計は、経時的ショックと長期的トレンドを明確に分離し、コードブックを使用して離散的な状態遷移をキャプチャする。
  論文  参考訳（メタデータ） (2026-02-04T15:11:29Z)
• Galerkin-ARIMA: A Two-Stage Polynomial Regression Framework for Fast Rolling One-Step-Ahead Forecasting [9.953821298617473]
  Galerkin-ARIMAは、Galerkinプロジェクション技術と古典的なARIMAモデルを統合する時系列予測フレームワークである。 ガレルキン・アリバは, ローリング予測タスクにおいて, マグニチュード・オブ・マグニチュード・スピードアップを達成しつつ, アリバの予測精度と一致するか, あるいは密接に近似していることを示す。
  論文  参考訳（メタデータ） (2025-07-10T06:53:18Z)
• Forecasting Time Series with LLMs via Patch-Based Prompting and Decomposition [48.50019311384125]
  我々は、LLMが広範囲のトレーニングを伴わずに時系列予測を行うことのできる、シンプルで柔軟なプロンプトベースの戦略を探求する。 我々は,LLMが正確かつ効果的に予測できるPatchInstructを提案する。
  論文  参考訳（メタデータ） (2025-06-15T19:42:58Z)
• Reprogramming Foundational Large Language Models(LLMs) for Enterprise Adoption for Spatio-Temporal Forecasting Applications: Unveiling a New Era in Copilot-Guided Cross-Modal Time Series Representation Learning [0.0]
  パティオ時間予測は、輸送システム、物流、サプライチェーン管理など、様々な分野において重要な役割を担っている。 本稿では,オープンソースの大規模・小規模言語モデル(LLM,LM)と従来の予測手法を組み合わせたハイブリッド手法を提案する。
  論文  参考訳（メタデータ） (2024-08-26T16:11:53Z)
• Generalization Bounds of Surrogate Policies for Combinatorial Optimization Problems [53.03951222945921]
  我々はスムーズな(摂動された)ポリシーを解析し、線形オラクルが使用する方向に対して制御されたランダムな摂動を付加する。 我々の主な貢献は、過剰リスクを摂動バイアス、統計的推定誤差、最適化誤差に分解する一般化境界である。 車両のスケジューリングやスムーズ化がトラクタブルトレーニングと制御された一般化の両方を可能にしていることを示す。
  論文  参考訳（メタデータ） (2024-07-24T12:00:30Z)
• Design Optimization of NOMA Aided Multi-STAR-RIS for Indoor Environments: A Convex Approximation Imitated Reinforcement Learning Approach [51.63921041249406]
  非直交多重アクセス(Noma)により、複数のユーザが同じ周波数帯域を共有でき、同時に再構成可能なインテリジェントサーフェス(STAR-RIS)を送信および反射することができる。 STAR-RISを屋内に展開することは、干渉緩和、電力消費、リアルタイム設定における課題を提示する。 複数のアクセスポイント(AP)、STAR-RIS、NOMAを利用した新しいネットワークアーキテクチャが屋内通信のために提案されている。
  論文  参考訳（メタデータ） (2024-06-19T07:17:04Z)
• GMP-AR: Granularity Message Passing and Adaptive Reconciliation for Temporal Hierarchy Forecasting [20.56839345239421]
  時間的粒度の異なる時系列予測は、現実世界の応用において広く用いられている。 時間階層情報を利用して予測性能を向上させる新しい粒度メッセージパッシング機構(GMP)を提案する。 また、より現実的な制約に固執しつつ、タスクベースの目標を達成するための最適化モジュールも導入する。
  論文  参考訳（メタデータ） (2024-06-18T03:33:03Z)
• USTEP: Spatio-Temporal Predictive Learning under A Unified View [62.58464029270846]
  UTEP(Unified S-Temporal Predictive Learning)は,マイクロテンポラリスケールとマクロテンポラリスケールを統合した再帰的および再帰的フリーな手法を再構築する,革新的なフレームワークである。
  論文  参考訳（メタデータ） (2023-10-09T16:17:42Z)
• Plug-and-Play Regulators for Image-Text Matching [76.28522712930668]
  微細な対応と視覚的セマンティックなアライメントの爆発は、画像とテキストのマッチングにおいて大きな可能性を秘めている。 我々は、メッセージ出力を効率的にエンコードして、コンテキストを自動生成し、モーダル表現を集約する、シンプルだが非常に効果的な2つのレギュレータを開発した。 MSCOCOとFlickr30Kデータセットの実験は、複数のモデルで印象的で一貫したR@1ゲインをもたらすことができることを実証している。
  論文  参考訳（メタデータ） (2023-03-23T15:42:05Z)
• Target-Embedding Autoencoders for Supervised Representation Learning [111.07204912245841]
  本稿では,対象空間が高次元な純粋教師付き環境における一般化の枠組みを解析する。 我々は、教師付き予測のための目標埋め込みオートエンコーダ(TEA)の一般的なフレームワークのモチベーションと形式化を行い、特徴とターゲットの予測の両方から予測可能なように最適化された中間潜在表現を学習する。
  論文  参考訳（メタデータ） (2020-01-23T02:37:10Z)

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。