論文の概要: Towards Continuous-time Causal Foundation Models
- arxiv url: http://arxiv.org/abs/2605.28880v1
- Date: Tue, 26 May 2026 12:06:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-30 02:45:54.949526
- Title: Towards Continuous-time Causal Foundation Models
- Title（参考訳）: 継続的因果ファンデーションモデルに向けて
- Authors: Dennis Thumm, Ruben Wiedemann, Ying Chen,
- Abstract要約: 我々は、時系列のための離散時間因果前データフィットネットワークを、そのメカニズムを微分方程式(SDE)として記述する連続時間まで拡張する。
本稿では,3階層の分類法とともに,正確な連続性基準(観測スケジュールと異なる軌道法則)を提案する。
- 参考スコア（独自算出の注目度）: 4.526160443812242
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Extending discrete-time causal Prior-data Fitted Networks for time series to continuous time invites writing the mechanism as a stochastic differential equation (SDE) -- but if the SDE is integrated \emph{once per observation gap}, the trajectory law depends on when it is observed, and the prior remains a discrete-time Markov model in SDE clothing. We propose a precise continuity criterion -- trajectory-law invariance to the observation schedule -- together with a three-tier taxonomy (discrete; naive observation-grid integration; fine-grid integration with decoupled observation) and a construction realising the top tier on a random DAG with OU or small-MLP nonlinear drifts, irregular observation schedules, and hard / soft / time-varying interventions. A $2 \times 2$ encoder $\times$ integrator ablation, run independently on a linear and a nonlinear prior, finds fine-grid integration beats naive on 8/8 cells (sign-consistency $p < 1/256$) with the gap growing as the eval grid refines; the encoder axis is null with fine integration but time-aware-leading with naive. We release the prior and a preliminary zero-shot protocol on pharmacokinetic and physical-system data.
- Abstract（参考訳）: 時系列の離散時間因果関係を連続時間に拡張すると、その機構を確率微分方程式(SDE)として記述するが、SDEが統合された場合、軌道法則はいつ観測されるかに依存し、前者はSDE服の離散時間マルコフモデルのままである。
我々は,3階層の分類法(離散的,直感的な観察グリッドの統合,分離された観察との微細グリッドの統合)と,OUや小型MLPの非線形ドリフト,不規則な観測スケジュール,ハード/ソフト/タイム変動の介入によるランダムなDAG上の上位階層を実現する構築とともに,観察スケジュールに対する軌跡不均一な正確な連続性基準を提案する。
2.$ \times 2$ encoder $\times$ integrator ablation, run independent on a linear and a non prior, finds fine-grid integrations naive on 8/8 cells (sign-consistency $p < 1/256$) with the gap growing as the eval grid refines; the encoder axis is null with fine integration but time-aware-leading with naive.
我々は、薬物動態および物理系データに関する事前および予備的なゼロショットプロトコルをリリースする。
関連論文リスト
- Faithful Embeddings of Irregular and Asynchronous Data for Online Log-NCDEs [43.7379426352196]
補間および計算に基づく埋め込みは、連続的な観測経路を再構築する。
軽度条件下では, この再建は不要であることを示す。
連続時間モデルの普遍クラスであるLog-NCDEに対して,連続的かつインジェクティブな埋め込みを導入する。
論文 参考訳（メタデータ） (2026-05-28T16:46:11Z) - TIE: Time Interval Encoding for Video Generation over Events [50.66585165263848]
ディレクタースタイルのプロンプト、ロボットアクション予測、インタラクティブなビデオエージェントは、同時イベントに対する時間的根拠を要求する。
現代のビデオジェネレータは、ポイントワイドな位置エンコーディングを通して、タイムを離散的なポイントとして表現する。
Time Interval TIEは、プラグイン・アンド・プレイ・インターバル・アウェアの一般化である。
論文 参考訳（メタデータ） (2026-05-11T13:23:14Z) - Recovering Physical Dynamics from Discrete Observations via Intrinsic Differential Consistency [12.266189649117003]
我々は地域の監督をグローバルな構造的制約に置き換える。
この特性からの偏差が2つの目的に作用する時間条件のセカント速度場を訓練する。
トレーニング正則化器として、時間スケールで一貫して構成されるフローに仮説空間を限定する。
論文 参考訳（メタデータ） (2026-05-08T20:24:32Z) - Continuous-Time Distribution Matching for Few-Step Diffusion Distillation [57.28746398500951]
本稿では,CDM(Continuous-Time Distribution Matching)を導入し,DMDフレームワークを個別アンカーから連続最適化へ移行する。
まず、固定離散スケジュールをランダム長の動的連続スケジュールに置き換える。
第二に、学生の速度場を介して外挿された潜伏者に対してアクティブな軌道外マッチングを行う連続時間アライメント目的を提案する。
論文 参考訳（メタデータ） (2026-05-07T14:56:39Z) - 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) - SGD with Dependent Data: Optimal Estimation, Regret, and Inference [3.038061705362137]
勾配降下 (SGD) は, 広範囲の段階的スケジュールと探索率スキームの下で, 独立情報と依存情報の両方に対応できることが示されている。
SGDは統計的に最適な推定誤差と後悔を同時に達成し,既存の結果を拡張し,改善することを示す。
オンラインのスパースレグレッションのために、我々はSGDベースの新しいアルゴリズムを開発し、ストレージの$d$のみを使用し、1イテレーションあたり$O(d)$フロップを必要とする。
論文 参考訳（メタデータ） (2026-01-04T04:52:11Z) - Distributed Stochastic Gradient Descent with Staleness: A Stochastic Delay Differential Equation Based Framework [56.82432591933544]
分散勾配降下(SGD)は、計算リソースのスケーリング、トレーニング時間の短縮、マシンラーニングにおけるユーザのプライバシ保護の支援などにより、近年注目されている。
本稿では,遅延微分方程式(SDDE)と勾配到着の近似に基づく分散SGDの実行時間と安定化について述べる。
活性化作業員の増加は, 安定度による分散SGDを必ずしも加速させるものではないことが興味深い。
論文 参考訳（メタデータ） (2024-06-17T02:56:55Z) - The Connection between Discrete- and Continuous-Time Descriptions of
Gaussian Continuous Processes [60.35125735474386]
我々は、一貫した推定子をもたらす離散化が粗粒化下での不変性を持つことを示す。
この結果は、導関数再構成のための微分スキームと局所時間推論アプローチの組み合わせが、2次または高次微分方程式の時系列解析に役立たない理由を説明する。
論文 参考訳（メタデータ） (2021-01-16T17:11:02Z)
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。