論文の概要: QuantFlow: A Federated Mamba-Based Post-Transformer Foundation Model for Time-Series Forecasting

• arxiv url: http://arxiv.org/abs/2607.02632v1
• Date: Thu, 02 Jul 2026 14:16:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:29.372537
• Title: QuantFlow: A Federated Mamba-Based Post-Transformer Foundation Model for Time-Series Forecasting
• Title（参考訳）: QuantFlow: 時系列予測のためのフェデレーションマンバベースのポストトランスフォーマー基礎モデル
• Authors: Shah Nawaz Haider, Steve Austin, Arnab Barua, Sarowar Morshed Shawon, Hadaate Ullah,
• Abstract要約: 時系列予測は、金融、エネルギー、輸送、公衆衛生、産業監視における決定を支援する。 最近の基礎モデルは予測タスク間の転送を改善するが、その多くは集中的なデータとトランスフォーマーの注意に依存している。 本稿では, 逆列埋め込み, 双方向マンバ状態空間デコーダ, 量子回帰, フェデレーション学習を組み合わせた確率予測フレームワークQuantFlowを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Time-series forecasting supports decisions in finance, en-ergy, transportation, public health, and industrial monitoring. Recent foundation models improve transfer across forecast-ing tasks, but many depend on centralized data and Trans-former attention, which restricts their use for long, high-di-mensional, and privacy-sensitive signals. This paper presents QuantFlow, a probabilistic forecasting framework that com-bines inverted sequence embedding, bidirectional Mamba state-space decoders, quantile regression, and federated learning. Each variable is embedded over the complete ob-servation window, processed in forward and reverse direc-tions, and projected to five conditional quantiles. TSMixup expands temporal diversity through Dirichlet-weighted inter-polation while preserving sequence structure. Experiments cover cryptocurrency, traffic, electricity, Electricity Trans-former Temperature, influenza, and weather data. QuantFlow obtains mean squared errors of 0.2834 on ETTm1 and 0.2218 on Weather, and a 20-client non-IID deployment retains use-ful accuracy after three communication rounds without cen-tralizing raw records. The results indicate that selective state-space modelling is a promising basis for scalable, uncer-tainty-aware, and privacy-conscious time-series prediction, while also revealing limitations on irregular epidemiological signals and long-horizon generalization.
• Abstract（参考訳）: 時系列予測は、金融、エネルギー、輸送、公衆衛生、産業監視における決定を支援する。 最近の基礎モデルは予測タスク間の転送を改善するが、多くは集中的なデータとトランスフォーマーの注意に依存し、長期、高次元、プライバシに敏感な信号の使用を制限する。 本稿では, 逆列埋め込み, 双方向マンバ状態空間デコーダ, 量子回帰, フェデレーション学習を組み合わせた確率予測フレームワークQuantFlowを提案する。 各変数は完全なオブザーブレーションウィンドウ上に埋め込まれ、前方および逆ジレクオンで処理され、5つの条件量子化に投影される。 TSMixupは、配列構造を保持しながらディリクレ重み付き補間によって時間的多様性を拡大する。 実験は暗号通貨、トラフィック、電気、電気のトランスフォーマー温度、インフルエンザ、気象データをカバーする。 QuantFlowは、ETTm1の平均2乗誤差0.2834、天気0.2218を取得し、20サイクルの非IID展開は、生記録をセントラライズすることなく、3回の通信ラウンド後の有効精度を維持している。 その結果, 選択的状態空間モデリングは, 拡張性, 未認識, プライバシを重視した時系列予測において有望な基礎となるとともに, 不規則な疫学的信号や長期の一般化にも限界があることが示唆された。

関連論文リスト

• Nexus : An Agentic Framework for Time Series Forecasting [72.73790673303154]
  時系列予測は、ニュースやイベントのような構造化されていないコンテキストデータによる推論を必要とする。 予測を特殊なステージに分解するマルチエージェント予測フレームワークであるNexusを紹介します。 本研究では,現在のLLMは,従来よりも強い固有予測能力を有することを示す。
  論文  参考訳（メタデータ） (2026-05-14T05:12:13Z)
• EVEREST: An Evidential, Tail-Aware Transformer for Rare-Event Time-Series Forecasting [4.551615447454767]
  EVERESTは確率的レアイベント予測のためのトランスフォーマーベースのアーキテクチャである。 キャリブレーションされた予測とテールアウェアのリスク推定を提供する。 産業監視、天気予報、衛星診断などの高度な分野に適用できる。
  論文  参考訳（メタデータ） (2026-01-26T23:15:20Z)
• 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)
• FATE: Focal-modulated Attention Encoder for Multivariate Time-series Forecasting [0.0]
  気候は、海面の上昇、氷河の融解、ますます極端な気候パターンなど、21世紀の最も急進的な世界的な課題の1つである。 正確な予測はこれらの現象を監視し、緩和戦略を支援するために重要である。 CNN、RNN、アテンションベースのトランスフォーマーなど、最近の時系列予測のためのデータ駆動モデルでは、依存関係と限定並列化に苦戦している。 本研究は,時系列予測のための修正注意文(FATE)を提示する。
  論文  参考訳（メタデータ） (2024-08-21T04:40:18Z)
• Generative Time Series Forecasting with Diffusion, Denoise, and Disentanglement [51.55157852647306]
  時系列予測は多くのアプリケーションにおいて非常に重要な課題である。 実世界の時系列データが短時間に記録されることが一般的であり、これはディープモデルと限られたノイズのある時系列との間に大きなギャップをもたらす。 本稿では,生成モデルを用いた時系列予測問題に対処し,拡散,雑音,ゆがみを備えた双方向変分自動エンコーダを提案する。
  論文  参考訳（メタデータ） (2023-01-08T12:20:46Z)

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。