論文の概要: Towards Principled Test-Time Adaptation for Time Series Forecasting

• arxiv url: http://arxiv.org/abs/2605.17250v1
• Date: Sun, 17 May 2026 04:15:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:47.807561
• Title: Towards Principled Test-Time Adaptation for Time Series Forecasting
• Title（参考訳）: 時系列予測のための原理的テスト時間適応に向けて
• Authors: Haochun Wang, Ruichen Xu, Georgios Kementzidis, Karen Cho, Sebastian Ramirez Villarreal, Yuefan Deng,
• Abstract要約: テスト時間適応(TTA)は,分散シフト下での時系列予測(TSF)を改善するための有望なアプローチとして登場した。 既存のTSF-TTA法は、明らかにされたターゲットをどのように利用するかが異なるが、結果として生じる適応プロトコルは相変わらず不均一である。 我々は、成熟した基底真理にのみ基づく適応プロトコルを提案し、適応のためのより原則的な設定を導出する。
• 参考スコア（独自算出の注目度）: 6.418791709373276
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Test-time adaptation (TTA) has recently emerged as a promising approach for improving time series forecasting (TSF) under distribution shift. Existing TSF-TTA methods differ in how they utilize revealed targets, yet the resulting adaptation protocols remain heterogeneous and lack a clearly unified formulation. To address this issue, we revisit TSF-TTA from the perspective of protocol cleanliness and propose an adaptation protocol based solely on matured ground truth, yielding a more principled setting for adaptation. Under this protocol, we further diagnose existing adapters in the frequency domain and find that their prediction corrections often exhibit limited and weakly structured spectral modifications. Motivated by this diagnosis, we propose Frequency-Aware Calibration (FAC), a lightweight calibration method that directly parameterizes prediction corrections in the frequency domain. Across diverse datasets, forecasting horizons, and source forecasters, FAC achieves competitive and consistent performance while requiring substantially fewer trainable parameters than the compared TSF-TTA adapters.
• Abstract（参考訳）: テスト時間適応(TTA)は、最近、分布シフト下での時系列予測(TSF)を改善するための有望なアプローチとして登場した。 既存のTSF-TTA法は、明らかにされた目標をどのように利用するかが異なるが、結果として生じる適応プロトコルは不均一であり、明確な統一された定式化が欠如している。 この問題に対処するため、プロトコルの清浄さの観点からTSF-TTAを再検討し、成熟した基底真理のみに基づく適応プロトコルを提案する。 このプロトコルでは、周波数領域の既存のアダプタを更に診断し、その予測補正が制限的かつ弱い構成のスペクトル修正を示すことが多いことを発見した。 本稿では、周波数領域の予測補正を直接パラメータ化する軽量校正法である周波数認識校正法(FAC)を提案する。 多様なデータセット、予測地平線、ソース予測器を含むFACは、比較したTSF-TTAアダプタに比べて、トレーニング可能なパラメータを著しく少なくしながら、競争力と一貫性のあるパフォーマンスを達成する。

関連論文リスト

• Improving Calibration in Test-Time Prompt Tuning for Vision-Language Models via Data-Free Flatness-Aware Prompt Pretraining [3.9486037760311725]
  テスト時プロンプトチューニング(TPT)は、視覚言語モデルの適応性を高めるための有望な手法として登場した。 以前の研究では、PTTは校正の不十分なモデルをしばしば生成し、予測の信頼性に関する懸念を提起している。 適応に先立って、損失景観の平坦な領域内でプロンプトを初期化する、TPTのためのシンプルで効果的な事前訓練フレームワークであるFPPを導入する。
  論文  参考訳（メタデータ） (2026-04-30T11:01:23Z)
• CANDI: Curated Test-Time Adaptation for Multivariate Time-Series Anomaly Detection Under Distribution Shift [48.29742059729268]
  テスト時間適応(TTA)は、未ラベルのテストデータのみを使用して、事前訓練されたモデルをオンザフライで更新する。 本研究では,事前学習した知識を維持しつつ,潜在的な偽陽性を選択的に識別し適応する新しいTTAフレームワークであるCANDIを提案する。
  論文  参考訳（メタデータ） (2026-04-02T10:01:11Z)
• 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)
• Benchmarking Few-shot Transferability of Pre-trained Models with Improved Evaluation Protocols [123.73663884421272]
  より強力な事前訓練モデルと改良された適応アルゴリズムによって、わずかなショット転送が革新されている。 FEWTRANSは10種類のデータセットを含む総合的なベンチマークである。 FEWTRANS をリリースすることにより,数発の転写学習研究において再現性の向上を合理化するための厳密な "ルーラー" の提供を目指す。
  論文  参考訳（メタデータ） (2026-02-28T05:41:57Z)
• Rethinking Test-Time Training: Tilting The Latent Distribution For Few-Shot Source-Free Adaptation [3.5808917363708743]
  完全に凍結したモデル体制下で, 数ショット分類のための基礎モデルの試験時間適応について検討した。 本稿では,エンコーダによって誘導される潜伏埋め込み分布に対して,測定値の変更を行うことにより,新しいタスクに予測を適応させる,最初のトレーニング不要推論手法を提案する。
  論文  参考訳（メタデータ） (2026-02-02T18:17:29Z)
• Battling the Non-stationarity in Time Series Forecasting via Test-time Adaptation [39.7344214193566]
  時系列予測(TSF)に適した先駆的なテスト時間適応フレームワークを提案する。 TSF-TTAに対する提案手法であるTAFASは、事前学習中に学習したコアセマンティック情報を保存しながら、ソース予測器をフレキシブルに適応してテスト分布を継続的にシフトさせる。 部分的に観測された真実とゲートキャリブレーションモジュールの新たな利用により、ソース予測器のプロアクティブ、ロバスト、モデルに依存しない適応が可能となった。
  論文  参考訳（メタデータ） (2025-01-09T04:59:15Z)
• Enhancing Test Time Adaptation with Few-shot Guidance [62.49199492255226]
  深層ニューラルネットワークは、トレーニング(ソース)とテスト(ターゲット)データのドメインシフトに直面しながら、大きなパフォーマンス低下に直面することが多い。 TTA(Test Time Adaptation)法は,事前学習したソースモデルを用いて,配信外ストリーミングターゲットデータを処理する手法として提案されている。 本稿では,Few-Shot Test Time Adaptation (FS-TTA) を開発した。
  論文  参考訳（メタデータ） (2024-09-02T15:50:48Z)
• Test-Time Model Adaptation with Only Forward Passes [68.11784295706995]
  テストタイム適応は、トレーニング済みのモデルを、潜在的に分布シフトのある未確認テストサンプルに適応させるのに有効であることが証明されている。 テスト時間フォワード最適化適応法(FOA)を提案する。 FOAは量子化された8ビットのViTで動作し、32ビットのViTで勾配ベースのTENTより優れ、ImageNet-Cで最大24倍のメモリ削減を実現する。
  論文  参考訳（メタデータ） (2024-04-02T05:34:33Z)
• Calibration of Time-Series Forecasting: Detecting and Adapting Context-Driven Distribution Shift [28.73747033245012]
  本稿では,コンテキスト駆動分布シフトの検出と適応のための普遍的キャリブレーション手法を提案する。 レジデンシャルベースCDS検出器(Residual-based CDS detector)またはリコンディショナー(Reconditionor)と呼ばれる新しいCDS検出器は、モデルの脆弱性をCDSに定量化する。 高いリコンディショナースコアは、重度の感受性を示し、したがってモデル適応を必要とする。
  論文  参考訳（メタデータ） (2023-10-23T11:58:01Z)

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。