論文の概要: Universal Time Series Generation with Neural Controlled Differential Equations

• arxiv url: http://arxiv.org/abs/2605.28507v1
• Date: Wed, 27 May 2026 14:10:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-28 17:38:56.096875
• Title: Universal Time Series Generation with Neural Controlled Differential Equations
• Title（参考訳）: ニューラル制御微分方程式を用いたユニバーサル時系列生成
• Authors: Torben Berndt, Elyes Farjallah, Leif Seute, Raeid Saqur, Benjamin Walker, Jan Stühmer,
• Abstract要約: 生成型SLiCEは経路空間上のフローマッチングのための最大表現型連続時間モデルである。 確率的予測および下流タスクにおいて,表現性により性能が向上することを示す。 これは、固定グリッドモデルがしばしば苦労する不規則グリッドにとって特に有益である。
• 参考スコア（独自算出の注目度）: 4.084397270956687
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent work on the sequence universality of State Space Models (SSMs) has introduced efficient, maximally expressive continuous-time approaches for time-series modelling. While these works focus on discriminative settings, we extend this perspective to generative time-series modelling by proving that maximally expressive Structured Linear Controlled Differential Equations (SLiCEs) are universal time-series generators, in the sense that they can approximate the induced path laws of continuous causal pushforwards on compact latent sets in $W_\infty$. Building on these theoretical results, we propose Generative SLiCEs (G-SLiCEs), a maximally expressive continuous-time model for flow matching on path-space. Empirically, we show that expressivity improves performance in probabilistic forecasting and downstream tasks, while retaining the advantages of continuous-time models such as generalising to arbitrary observation grids. This is particularly beneficial for irregular grids, where fixed-grid models often struggle.
• Abstract（参考訳）: 状態空間モデル(SSM)のシーケンス普遍性に関する最近の研究は、時系列モデリングのための効率的で最大表現力のある連続時間アプローチを導入している。 これらの研究は差別的設定に焦点が当てられているが、この視点は、最大表現的構造的線形制御微分方程式(SLiCE)が、$W_\infty$のコンパクト潜在集合上の連続因果プッシュフォワードの誘導経路法則を近似できるという意味で、普遍的時系列生成であることを示すことによって、生成的時系列モデリングに拡張する。 これらの理論的結果に基づいて、経路空間上のフローマッチングのための最大表現型連続時間モデルである生成SLiCE(G-SLiCEs)を提案する。 実験により,任意の観測格子への一般化などの連続時間モデルの利点を保ちながら,確率的予測や下流タスクの性能向上を実証的に示す。 これは、固定グリッドモデルがしばしば苦労する不規則グリッドにとって特に有益である。

関連論文リスト

• U-Former ODE: Fast Probabilistic Forecasting of Irregular Time Series [43.38565681834944]
  不規則なサンプル時系列の確率予測は、医療や金融などの分野において重要である。 本稿では,U-Netの並列化可能なマルチスケール特徴抽出をシームレスに統合する新しいアーキテクチャであるUFOを紹介する。 UFOは予測精度で10の最先端の神経ベースラインを一貫して上回ることを示す。
  論文  参考訳（メタデータ） (2026-02-12T09:05:09Z)
• Forecasting as Rendering: A 2D Gaussian Splatting Framework for Time Series Forecasting [79.37674445572462]
  時系列予測(TSF)は、周期内変動と周期間トレンドの複雑な絡み合いのため、依然として困難な問題である。 形状変化テンソルを静止画像として扱うと、トポロジカルミスマッチが発生する。 均一な固定サイズの表現に依存することは、モデリング能力を非効率に割り当てる。 TimeGSは、予測パラダイムをレグレッションから2D生成レンダリングに根本的にシフトする、新しいフレームワークである。
  論文  参考訳（メタデータ） (2026-02-10T14:13:36Z)
• TimeFlow: Towards Stochastic-Aware and Efficient Time Series Generation via Flow Matching Modeling [2.74279932215302]
  時系列データは、下流の時系列マイニングタスクを幅広くサポートするため、重要な研究トピックとして浮上している。 エンコーダのみのアーキテクチャを統合する新しいフローマッチングフレームワークであるTimeFlowを提案する。 私たちのモデルは、生成品質、多様性、効率において、一貫して強力なベースラインを上回ります。
  論文  参考訳（メタデータ） (2025-11-11T08:28:26Z)
• Timer-XL: Long-Context Transformers for Unified Time Series Forecasting [67.83502953961505]
  我々は時系列の統一予測のための因果変換器Timer-XLを提案する。 大規模な事前トレーニングに基づいて、Timer-XLは最先端のゼロショット性能を達成する。
  論文  参考訳（メタデータ） (2024-10-07T07:27:39Z)
• PDETime: Rethinking Long-Term Multivariate Time Series Forecasting from the perspective of partial differential equations [49.80959046861793]
  本稿では,ニューラルPDEソルバの原理に着想を得た新しいLMTFモデルであるPDETimeを提案する。 7つの異なる時間的実世界のLMTFデータセットを用いた実験により、PDETimeがデータ固有の性質に効果的に適応できることが判明した。
  論文  参考訳（メタデータ） (2024-02-25T17:39:44Z)
• Continuous Latent Process Flows [47.267251969492484]
  任意の時間スタンプにおける連続時系列ダイナミクスの部分的な観察は多くの分野に存在する。このタイプのデータに連続力学を用いた統計モデルを適用することは、直感的なレベルで有望であるだけでなく、実用的な利点もある。 微分方程式によって駆動される時間依存正規化フローを用いて、連続潜時プロセスを連続可観測プロセスに復号する原則的アーキテクチャである連続潜時プロセスフロー(CLPF)を用いて、これらの課題に取り組む。 我々のアブレーション研究は、不規則な時間グリッド上での様々な推論タスクへの貢献の有効性を実証している。
  論文  参考訳（メタデータ） (2021-06-29T17:16:04Z)
• Dynamic Gaussian Mixture based Deep Generative Model For Robust Forecasting on Sparse Multivariate Time Series [43.86737761236125]
  本研究では,孤立した特徴表現ではなく,潜在クラスタの遷移を追跡する新しい生成モデルを提案する。 新たに設計された動的ガウス混合分布が特徴であり、クラスタリング構造のダイナミクスを捉えている。 帰納的解析を可能にするために構造化推論ネットワークも設計されている。
  論文  参考訳（メタデータ） (2021-03-03T04:10:07Z)
• Policy Analysis using Synthetic Controls in Continuous-Time [101.35070661471124]
  因果推論における手法開発において, 合成制御を用いた因果推定は最も成功した手法の1つである。 本稿では,制御された微分方程式の定式化を明示的に用い,潜在反事実経路をモデル化する連続時間代替法を提案する。
  論文  参考訳（メタデータ） (2021-02-02T16:07:39Z)

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。