論文の概要: FRWKV+: Adaptive Periodic-Position Branch Interaction for Frequency-Space Linear Time Series Forecasting
- arxiv url: http://arxiv.org/abs/2605.15690v1
- Date: Fri, 15 May 2026 07:25:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-18 21:22:26.206774
- Title: FRWKV+: Adaptive Periodic-Position Branch Interaction for Frequency-Space Linear Time Series Forecasting
- Title（参考訳）: FRWKV+:周波数空間線形時系列予測のための適応周期-ポジション分岐相互作用
- Authors: Qingyuan Yang, Dongyue Chen, Da Teng, Junhua Xiao, Jiaji Pan, Shizhuo Deng,
- Abstract要約: 長期の時系列予測は、エネルギー、金融、交通、医療システムにおける意思決定に不可欠である。
最近の軽量予測モデルは、変換または線形化された空間で操作することで効率を向上する。
選択的周期-位置分岐相互作用のための拡張FRWKV予測モデルFRWKV+を提案する。
- 参考スコア（独自算出の注目度）: 9.255829167355804
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Long-term time series forecasting is essential for decision making in energy, finance, transportation, and healthcare systems. Recent lightweight forecasting models improve efficiency by operating in transformed or linearized spaces, but two challenges remain in frequency-space forecasting. The real and imaginary streams of complex spectra contain complementary information that is often weakly exchanged, and periodic-position cues can help recurring patterns only when they are reliable for the current dataset and prediction horizon. To address these challenges, we propose FRWKV+, an enhanced FRWKV forecasting model for selective periodic-position branch interaction. FRWKV+ first introduces cross-branch gates that exchange compact contexts between the real and imaginary frequency streams, allowing each stream to modulate the other. It then uses the Adaptive PhaseGate mechanism to extract periodic-position context and generate signed corrections to these gates. An adaptive trust mechanism controls the correction strength at the sample, variable, and channel levels, so periodic-position information is admitted as a reliable correction signal while preserving the efficiency of the FRWKV backbone. External benchmark tables report a separately labeled FRWKV-family selected system for manuscript-level comparison, while mechanism-level claims are based on strict matched-seed FRWKV-family ablations and representative component-level ablations. Under this matched protocol, FRWKV+ achieves the largest MSE winner coverage among the family variants and provides clear gains in selected periodic regimes. Component analysis further supports the usefulness of periodic-position context, signed correction, and adaptive trust in these regimes, while revealing boundary cases where simpler correction rules remain preferable.
- Abstract（参考訳）: 長期の時系列予測は、エネルギー、金融、交通、医療システムにおける意思決定に不可欠である。
最近の軽量予測モデルは、変換または線形化された空間で操作することで効率を向上させるが、周波数空間予測では2つの課題が残る。
複雑なスペクトルのリアルストリームと想像ストリームは、しばしば弱交換される相補的な情報を含み、周期的なポジションキューは、現在のデータセットや予測水平線に信頼性がある場合にのみ、パターンの繰り返しに役立つ。
これらの課題に対処するために、選択的周期-位置分岐相互作用のための拡張FRWKV予測モデルFRWKV+を提案する。
FRWKV+はまず、実周波数ストリームと虚周波数ストリームの間でコンパクトなコンテキストを交換するクロスブランチゲートを導入し、各ストリームが他方を変調できるようにする。
次に、Adaptive PhaseGateメカニズムを使用して周期配置コンテキストを抽出し、これらのゲートに対する符号付き補正を生成する。
適応信頼機構は、試料、可変、チャネルレベルの補正強度を制御し、FRWKVバックボーンの効率を保ちながら、周期的位置情報を信頼できる補正信号として認める。
外部ベンチマークテーブルは、原稿レベル比較のための別ラベルのFRWKV選択系を報告し、一方、メカニズムレベルのクレームは、厳密なマッチしたFRWKVファミリーのアブレーションと、代表的なコンポーネントレベルのアブレーションに基づいている。
この一致したプロトコルの下で、FRWKV+はファミリーの変種の中で最大のMSE勝者カバレッジを獲得し、選択した周期的体制において明確な利益をもたらす。
コンポーネント分析は、より単純な修正規則が好ましい境界ケースを明らかにしながら、周期的な配置コンテキスト、署名された修正、これらのレジームに対する適応的信頼の有効性をさらに支援する。
関連論文リスト
- RareCP: Regime-Aware Retrieval for Efficient Conformal Prediction [11.259098206661077]
本稿では適応型コンフォーマル時系列予測のためのレギュレーション対応検索手法であるRareCPを紹介する。
RareCPはコサイン・アテンションの専門家の混合を通して局所的なキャリブレーション表現を学習する。
符号付き残基上に重み付き共形量子が形成され、非対称な予測間隔が生じる。
論文 参考訳（メタデータ） (2026-05-09T10:12:07Z) - Delving into Non-Exchangeability for Conformal Prediction in Graph-Structured Multivariate Time Series [23.16459034215899]
コンフォーマル予測(CP)は、確固としたカバレッジを保証する不確実性推定を提供する。
グラフ構造時系列では、固有のクロスノード結合は交換性条件に反する可能性がある。
我々はSGCE(Spectral Graph Exchangeability Conditional)という新しい概念を提案する。
論文 参考訳（メタデータ） (2026-05-06T14:19:16Z) - TimeAPN: Adaptive Amplitude-Phase Non-Stationarity Normalization for Time Series Forecasting [67.91113180885601]
TimeAPNは時間領域と周波数領域の両方から非定常因子を明示的にモデル化し、予測する。
TimeAPNは、複数の予測水平線にわたる長期的な予測精度を一貫して改善する。
これは最先端の可逆正規化法より優れている。
論文 参考訳（メタデータ） (2026-03-18T07:21:24Z) - KD-EKF: Knowledge-Distilled Adaptive Covariance EKF for Robust UWB/PDR Indoor Localization [6.004649968619912]
屋内でのローカライゼーションは、センチメートルレベルの精度と低レイテンシを提供する。
非視界条件下では測定信頼性が著しく低下する。
慣性測定ユニット(IMU)をベースとしたPDR(Pedestrian Dead Reckoning)は,インフラストラクチャフリーな動作推定を提供する。
論文 参考訳（メタデータ） (2026-03-06T03:12:52Z) - LATA: Laplacian-Assisted Transductive Adaptation for Conformal Uncertainty in Medical VLMs [61.06744611795341]
医用視覚言語モデル(VLM)は医用画像の強力なゼロショット認識器である。
本研究では,ラプラシアン支援トランスダクティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ(texttttextbfLATA,ラプラシアン支援トランスダクティブ・アダプティブ・アダプティブ・アダプティブ)を提案する。
texttttextbfLATAは交換性を損なうことなくゼロショット予測をシャープにする。
論文 参考訳（メタデータ） (2026-02-19T16:45:38Z) - Adaptive Regime-Switching Forecasts with Distribution-Free Uncertainty: Deep Switching State-Space Models Meet Conformal Prediction [38.37518767859008]
適応等角推論(Adaptive Conformal Inference, ACI)と集約変種(AgACI)を結合したDeep Switching State Space Modelsによるレシエーションスイッチング予測の分布自由不確実性について検討する。
また、S4, MC-Dropout GRU, スパースガウス過程を含む強力なシーケンスベースライン上に位置する統一型コンフォメーションラッパーを導入し、非定常性とモデル不特定性の下で有限サンプルの限界保証付きオンライン予測バンドを生成するための変更点局所モデルを提案する。
論文 参考訳（メタデータ） (2025-12-02T23:21:01Z) - 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) - ERIS: An Energy-Guided Feature Disentanglement Framework for Out-of-Distribution Time Series Classification [51.07970070817353]
理想的な時系列分類(TSC)は不変表現をキャプチャできるべきである。
現在の手法は、真に普遍的な特徴を分離するために必要な意味的な方向性を欠いている。
本稿では,シフト・ロバストネス・フレームワークのためのエンドツーエンドのエネルギー規則化情報を提案する。
論文 参考訳（メタデータ） (2025-08-19T12:13:41Z) - Segmented Confidence Sequences and Multi-Scale Adaptive Confidence Segments for Anomaly Detection in Nonstationary Time Series [0.0]
我々は、SCS(Segmented Confidence Sequences)とMACS(Multi-Scale Adaptive Confidence Segments)の2つの新しい適応しきい値フレームワークを紹介し、実証的に評価する。
Wefer Manufacturingのベンチマークデータセットによる実験では、従来のパーセンタイルやローリング量子化アプローチと比較して、F1スコアの大幅な改善が見られた。
論文 参考訳（メタデータ） (2025-08-08T18:34:54Z) - Error-quantified Conformal Inference for Time Series [55.11926160774831]
時系列予測の不確かさの定量化は、時系列データの時間的依存と分布シフトのために困難である。
量子化損失関数をスムースにすることで,iError-quantified Conformal Inference (ECI)を提案する。
ECIは有効な誤発見制御と、他のベースラインよりも厳密な予測セットを出力することができる。
論文 参考訳（メタデータ） (2025-02-02T15:02:36Z)
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。