論文の概要: QFCQT: A Chaotically Gated Quantformer Framework for Volatile Time-Series Forecasting

• arxiv url: http://arxiv.org/abs/2608.07363v1
• Date: Fri, 07 Aug 2026 16:05:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-10 16:21:25.544969
• Title: QFCQT: A Chaotically Gated Quantformer Framework for Volatile Time-Series Forecasting
• Title（参考訳）: QFCQT: 揮発性時系列予測のためのカオス拡張量子フォーマフレームワーク
• Abstract要約: 量子フラクタルインスパイア(quantum-fractal-inspired)は、ソフト発振器重畳とマルチスケール非線形応答に基づく計算アナログである。 複雑な揮発性力学下でのロバスト予測のために,量子フラクタルに着想を得たChaotically Gated Quantformerの略であるQFCQTを提案する。 ETTh1、ETTh2、Aシェア株価指数のベンチマーク実験は、QFCQTが一貫して強いベースラインを上回っていることを示している。
• 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: Forecasting non-stationary time series remains difficult due to long-range dependencies, local volatility bursts, structural shifts, and nonlinear oscillatory behaviors. Although Transformer-based forecasters are effective for modeling long-term temporal dependencies, their feed-forward blocks typically rely on smooth static activations that are insufficiently sensitive to abrupt regime changes. Motivated by quantitative Transformer designs and oscillator-based nonlinear activations, we propose QFCQT, short for Quantum-Fractal-inspired Chaotically Gated Quantformer, for robust forecasting under complex volatile dynamics. Here, "quantum-fractal-inspired" denotes a computational analogy based on soft oscillator superposition and multi-scale nonlinear responses, rather than a formal quantum-mechanical or fractal-theoretic derivation. QFCQT consists of three main components: (1) a Quantformer-style numerical encoder that directly processes multivariate inputs via linear embedding; (2) a learnable Lee-oscillator activation module that maps scalar pre-activations to dynamic oscillatory responses and summarizes them through Max-over-Time pooling; and (3) a smooth-chaotic gated fusion mechanism that adaptively balances conventional smooth activations and chaos-sensitive responses. Furthermore, instead of using a single fixed oscillator, QFCQT employs a soft superposition of eight parameterized Lee oscillator families to adaptively capture different nonlinear response patterns across regimes. Experiments on ETTh1, ETTh2, and A-share Stock Index benchmarks show that QFCQT consistently outperforms strong baselines, including Informer, LogTrans, LSTMa, HAT, and COTN.
• Abstract（参考訳）: 非定常時系列の予測は、長距離依存、局所的なボラティリティバースト、構造シフト、非線形振動挙動により困難である。 Transformerベースの予測器は、長期の時間的依存をモデル化するのに有効であるが、フィードフォワードブロックは通常、急激な状態変化に対して十分に敏感なスムーズな静的なアクティベーションに依存している。 定量的な変圧器設計と発振器に基づく非線形活性化によって動機付けられたQFCQTを提案する。 ここで、「量子フラクタルインスパイアされた」とは、正式な量子力学やフラクタル理論の導出ではなく、ソフトな振動子重畳と多スケールの非線形応答に基づく計算的な類似性を表す。 QFCQTは,(1)線形埋め込みによる多変量入力を直接処理するQuantformerスタイルの数値エンコーダ,(2)スカラープレアクティベーションを動的発振応答にマッピングし,Max-over-Timeプールを通じて要約する学習可能なLee-oscillatorアクティベーションモジュール,(3)従来のスムーズなアクティベーションとカオス感応応答を適応的にバランスさせるスムーズなカオスゲート融合機構の3つの主要コンポーネントから構成される。 さらに、QFCQTは1つの固定発振器の代わりに、8つのパラメータ化されたLee発振器ファミリーのソフト重ね合わせを用いて、レジーム間の異なる非線形応答パターンを適応的にキャプチャする。 ETTh1、ETTh2、Aシェアストックインデックスのベンチマーク実験では、QFCQTはInformer、LogTrans、LSTMa、HAT、COTNなどの強力なベースラインを一貫して上回っている。

関連論文リスト

• Explainable quantum-compressed machine learning for complex fluid flows [1.418331888050121]
  物理系の機械学習サロゲートに量子圧縮機械学習(QCML)を導入する。 QCMLは、サロゲートを直接解釈可能で、表現性を犠牲にすることなく制御できる。 これらの結果は、QCMLを科学機械学習の作業コンポーネントとして確立し、実世界の予測において実用的な量子的優位性に対する具体的な貢献である。
  論文  参考訳（メタデータ） (2026-07-23T15:05:04Z)
• FAiT: Frequency-Aware Inverted Transformer for Multivariate Time Series Forecasting [17.617858319449443]
  FAiTは周波数対応逆変換器で、反転注意を通して内部的にスペクトルバイアスを補正する。 DTFMは、スペクトルサブバンドのエネルギーを適応的に再校正するために、インスタンス条件の重みを合成する。 広く使用されているベンチマークの実験では、FAiTは最先端のTransformerベースと周波数強調ベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2026-05-31T15:51:22Z)
• SOLIS: Physics-Informed Learning of Interpretable Neural Surrogates for Nonlinear Systems [6.5745172279769255]
  textbfSOLISは、状態条件付き2階代理モデルを介して未知のダイナミクスをモデル化する textbfLocal Physics Hintsウィンドウ付きリッジ回帰アンカーは最適化の崩壊を緩和する。 ベンチマークの実験では、標準逆メソッドが失敗するレギュレーションを含むスパースデータから正確なパラメータ・マニフォールド・リカバリとコヒーレントな物理ロールアウトが示されている。
  論文  参考訳（メタデータ） (2026-04-16T11:12:36Z)
• Learn Structure, Adapt on the Fly: Multi-Scale Residual Learning and Online Adaptation for Aerial Manipulators [2.376629619475859]
  自律型空中マニピュレータ(AAM)は本質的に非定常・多スケール残留力学を示す非線形系である。 本稿では,AAMにおけるリアルタイム残差モデリングと補償のための予測適応フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-12T08:02:43Z)
• KoopGen: Koopman Generator Networks for Representing and Predicting Dynamical Systems with Continuous Spectra [65.11254608352982]
  生成元をベースとしたニューラル・クープマン・フレームワークを導入し,構造的かつ状態に依存したクープマン・ジェネレータの表現を通じて動的にモデル化する。 固有のカルテス分解をスキュー結合および自己結合成分に利用することにより、KoopGenは可逆的な散逸から保守的な輸送を分離する。
  論文  参考訳（メタデータ） (2026-02-15T06:32:23Z)
• TimeSynth: A Framework for Uncovering Systematic Biases in Time Series Forecasting [0.9332987715848716]
  Time Synthは、リアルタイム時系列の重要な特性をエミュレートする構造化されたフレームワークである。 リニア、マルチレイヤパーセプトロン(MLP)、畳み込みニューラルネットワーク(CNN)、トランスフォーマーの4つのモデル群を評価する。
  論文  参考訳（メタデータ） (2026-02-11T22:31:29Z)
• Provable In-Context Learning of Nonlinear Regression with Transformers [66.99048542127768]
  In-context Learning (ICL) は、パラメータを更新することなくタスク固有のプロンプトを使用して見えないタスクを実行する能力である。 最近の研究はICLの背後にあるトレーニングのダイナミクスを積極的に探求しており、その多くは比較的単純なタスクに重点を置いている。 本稿では、変換器が文脈内学習能力をいかに獲得するかを明らかにすることを目的として、より複雑な非線形回帰タスクについて検討する。
  論文  参考訳（メタデータ） (2025-07-28T00:09:28Z)
• Generative System Dynamics in Recurrent Neural Networks [56.958984970518564]
  リカレントニューラルネットワーク(RNN)の連続時間ダイナミクスについて検討する。 線形および非線形構成の両方において安定な極限サイクルを実現するためには,スキュー対称性の重み行列が基本であることを示す。 数値シミュレーションは、非線形活性化関数が極限周期を維持するだけでなく、システム統合プロセスの数値安定性を高めることを示す。
  論文  参考訳（メタデータ） (2025-04-16T10:39:43Z)
• StFT: Spatio-temporal Fourier Transformer for Long-term Dynamics Prediction [10.64762092324374]
  本稿では,自動回帰時変変換器(FTStours)を提案する。 FTStoursは、マクロスケールとマイクロスペーススケールの両方にわたる基礎となるダイナミクスをキャプチャする。 3つのベンチマークデータセットで行った評価は、最先端のML手法に対する我々のアプローチの利点を示している。
  論文  参考訳（メタデータ） (2025-03-14T22:04:03Z)
• Towards Stabilized and Efficient Diffusion Transformers through Long-Skip-Connections with Spectral Constraints [51.83081671798784]
  Diffusion Transformers (DiT) は、画像およびビデオ生成のための強力なアーキテクチャとして登場し、優れた品質とスケーラビリティを提供している。 DiTの実用アプリケーションは本質的に動的特徴不安定性に悩まされており、キャッシュされた推論中にエラーを増幅する。 我々は,Long-Skip-Connections (LSCs) で拡張された画像およびビデオ生成型DiTであるSkip-DiTを提案する。
  論文  参考訳（メタデータ） (2024-11-26T17:28:10Z)
• Towards Long-Term Time-Series Forecasting: Feature, Pattern, and Distribution [57.71199089609161]
  長期的時系列予測(LTTF)は、風力発電計画など、多くのアプリケーションで需要が高まっている。 トランスフォーマーモデルは、高い計算自己認識機構のため、高い予測能力を提供するために採用されている。 LTTFの既存の手法を3つの面で区別する,Conformer という,効率的なTransformer ベースモデルを提案する。
  論文  参考訳（メタデータ） (2023-01-05T13:59:29Z)
• Dynamics with autoregressive neural quantum states: application to critical quench dynamics [41.94295877935867]
  本稿では、量子系の長時間のダイナミクスを安定的に捉えるための代替の汎用スキームを提案する。 二次元量子イジングモデルにおけるキブル・ズレーク機構の解明により,時間依存性のクエンチ力学にこのスキームを適用した。
  論文  参考訳（メタデータ） (2022-09-07T15:50:00Z)
• Transmon platform for quantum computing challenged by chaotic fluctuations [55.41644538483948]
  現在の量子プロセッサに関連するシステムパラメータに対する多体ローカライズド(MBL)位相の変動の安定性について検討する。 これらのコンピューティングプラットフォームは、制御不能なカオス的変動のフェーズに危険なほど近いことが分かりました。
  論文  参考訳（メタデータ） (2020-12-10T19:00:03Z)
• Feedback-induced instabilities and dynamics in the Jaynes-Cummings model [62.997667081978825]
  時間遅延コヒーレントフィードバックを受けるJaynes-Cummingsモデルのコヒーレンスと定常状態特性について検討する。 導入されたフィードバックは、システムの動的応答と定常量子特性を質的に修正する。
  論文  参考訳（メタデータ） (2020-06-20T10:07:01Z)

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。