論文の概要: Rethinking Patch Based Multivariate Time Series Forecasting with Semantic Structured Partitioning
- arxiv url: http://arxiv.org/abs/2608.19966v1
- Date: Thu, 20 Aug 2026 12:38:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-21 20:28:51.563485
- Title: Rethinking Patch Based Multivariate Time Series Forecasting with Semantic Structured Partitioning
- Title（参考訳）: 意味構造分割によるパッチに基づく多変量時系列予測の再検討
- Abstract要約: 意味的構造分割に基づくトランスフォーマーベースのフレームワークであるSCPaTを提案する。
SCPaTは、入力シーケンスを適応意味単位生成を通じて意味的に一貫性のある単位に分解する。
次に、動的セマンティックグラフを構築し、これらのユニット間の依存をモデル化し、それらを高次のセマンティックブロックに整理する。
これらの構造化表現に基づいて、重要注意ルーティング機構は、カスタマイズされたモデリングのために異なる専門家に異なるセマンティックブロックを適応的にディスパッチする。
- 参考スコア（独自算出の注目度）: 6.396342981293729
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Multivariate time series forecasting (MTSF) is a fundamental task in many real world applications. Existing patch based forecasting methods generally fall into three categories: fixed partitioning, multi-scale partitioning, and extendable partitioning. Fixed partitioning often breaks meaningful temporal boundaries, multi-scale partitioning may introduce redundant representations across scales, and extendable partitioning improves flexibility but still lacks an explicit mechanism for organizing semantic structure and modeling interactions among heterogeneous temporal patterns. To address these limitations, we propose SCPaT, a Transformer based framework built on semantic structured partitioning. SCPaT first decomposes input sequences into semantically consistent units through adaptive semantic unit generation, then constructs a dynamic semantic graph to model directed dependencies among these units and organize them into higher order semantic blocks. Based on these structured representations, an importance aware routing mechanism adaptively dispatches different semantic blocks to different experts for customized modeling. Extensive experiments on 12 real world datasets demonstrate the effectiveness of SCPaT.
- Abstract（参考訳）: 多変量時系列予測(MTSF)は多くの実世界のアプリケーションにおいて基本的な課題である。
既存のパッチベースの予測方法は通常、固定パーティショニング、マルチスケールパーティショニング、拡張可能なパーティショニングの3つのカテゴリに分類される。
固定されたパーティショニングはしばしば意味のある時間的境界を破り、マルチスケールパーティショニングはスケールをまたいだ冗長な表現を導入し、拡張可能なパーティショニングは柔軟性を向上させるが、それでも意味的構造を組織化し、異種時間的パターン間の相互作用をモデル化するための明確なメカニズムを欠いている。
これらの制約に対処するために,意味的構造化分割に基づくTransformerベースのフレームワークであるSCPaTを提案する。
SCPaTは、入力シーケンスを適応的なセマンティック・ユニット生成を通じて意味的に一貫性のあるユニットに分解し、それから動的セマンティック・グラフを構築し、これらのユニット間の依存をモデル化し、それらを高階セマンティック・ブロックに整理する。
これらの構造化表現に基づいて、重要注意ルーティング機構は、カスタマイズされたモデリングのために異なる専門家に異なるセマンティックブロックを適応的にディスパッチする。
12個の実世界のデータセットに対する大規模な実験はSCPaTの有効性を示した。
関連論文リスト
- Structure over Depth: A Single-Block Spatio-Temporal Transformer for Multi-Entity Reasoning [0.0]
マルチエンティティの時間データは、エンティティ、時間、およびそれらの相互作用間の依存関係をキャプチャする必要がある。
トランスフォーマーベースのアプローチはよく分解されるが、しばしばこれら不均一な依存関係を暗黙的に学ぶために深いレイヤスタックに依存している。
本稿では,3つ全てを1つのステージ内で明示的にモデル化する構造化時間自己アテンション変換器ブロックを提案する。
我々は,ビデオに基づくグループ活動認識,骨格に基づくヒューマンインタラクション分析,ウェアラブルセンサによる活動認識のアプローチを評価する。
論文 参考訳（メタデータ） (2026-07-25T07:02:07Z) - Structured Latent Space Modeling over Multi-Scale Temporal Patches for Multivariate Time Series Forecasting [13.891522069967507]
我々はチャネルに依存しない多変量観測を構造化された潜在空間にマッピングするCNNベースの予測アーキテクチャであるM2Patchを紹介する。
M2Patchは、40の予測設定で57のベストと34のセカンドベストを達成している。
論文 参考訳（メタデータ） (2026-07-07T19:19:14Z) - Video-Text Temporal Localization via Multi-Scale Convolution and Dynamic Routing [7.704586969939547]
ビデオテキストの時間的ローカライゼーションには、自然言語クエリと対応するビデオセグメントの正確なアライメントが必要である。
本稿では,既存手法の2つの限界に対処する新しい枠組みを提案する。
その結果,階層型時間モデルと構造化セマンティック・ルーティングを組み合わせることで,ビデオ言語理解に有効な解が得られた。
論文 参考訳（メタデータ） (2026-07-06T13:52:46Z) - Modular Diffusion Models for Structured Visual Recognition [52.38687800325397]
与えられた入力画像に対する構造化出力の分布を学習する,シンプルで斬新なフレームワークであるModular Diffusion Models (MDMs)を提案する。
MDMは拡散過程を異なるタスク固有のモジュールに分解し、それぞれが構造化情報空間の異なる側面を捉えることに重点を置いている。
このモジュール設計により、各コンポーネントは独立して学習でき、追加のトレーニングなしで推論時にシームレスに統合できる。
論文 参考訳（メタデータ） (2026-06-21T22:38:35Z) - PLUME: Latent Reasoning Based Universal Multimodal Embedding [52.35354073629127]
ユニバーサルマルチモーダル埋め込み(UME)は、異種入力を単一のモデルで共有検索空間にマッピングする。
最近のアプローチでは、埋め込みを抽出する前に明確なチェーン・オブ・シント(CoT)論理を生成することにより、UMEを改善している。
PLUMEは,言語化されたCoTを連続的潜伏状態の短時間の自己回帰ロールアウトに置き換えることで,UMEを進化させる潜在的推論フレームワークである。
論文 参考訳（メタデータ） (2026-04-02T14:04:53Z) - TopoOR: A Unified Topological Scene Representation for the Operating Room [54.50897207203292]
手術シーングラフは外科手術室(OR)の複雑さを実体の構造とその関連性に抽象化する。
マルチモーダルな手術室を高次構造としてモデル化する新しいパラダイムであるTopoORを紹介する。
また,多様体の構造やモジュラリティに特有な特徴を明示的に保存する高次アテンション機構を提案する。
論文 参考訳（メタデータ） (2026-03-10T10:19:42Z) - UniDiff: A Unified Diffusion Framework for Multimodal Time Series Forecasting [90.47915032778366]
マルチモーダル時系列予測のための統合拡散フレームワークUniDiffを提案する。
コアには統一的で並列な融合モジュールがあり、単一のクロスアテンション機構がタイムスタンプからの構造化情報とテキストからのセマンティックコンテキストを統合する。
8つの領域にわたる実世界のベンチマークデータセットの実験は、提案したUniDiffモデルが最先端のパフォーマンスを達成することを示す。
論文 参考訳（メタデータ） (2025-12-08T05:36:14Z) - DMSC: Dynamic Multi-Scale Coordination Framework for Time Series Forecasting [24.202509006348862]
時系列予測(TSF)は、さまざまなスケールにわたる複雑な時間的依存関係をモデル化する上で、永続的な課題に直面します。
マルチスケールパッチ分解ブロック(EMPD)、トライアドインタラクションブロック(TIB)、適応スケールルーティングMoEブロック(ASR-MoE)を備えた新しい動的マルチスケールコーディネーションフレームワーク(DMSC)を提案する。
EMPDは、指数関数的にスケールした粒度を持つ階層的なパッチにシーケンスを動的に分割する組み込みコンポーネントとして設計されている。
TIBは、各レイヤの分解された表現の中で、パッチ内、パッチ間、およびクロス変数の依存関係を共同でモデル化する。
論文 参考訳（メタデータ） (2025-08-03T13:11:52Z) - SEED: A Structural Encoder for Embedding-Driven Decoding in Time Series Prediction with LLMs [3.036179638516407]
組込み型デコードのための構造的エンコーダSEEDは,パッチ抽出のためのトークン対応エンコーダ,言語モデル埋め込みとパッチを整列するプロジェクションモジュール,タスク対応プロトタイプにパッチをマッピングするセマンティックプログラミング機構の4つの段階を統合している。
このモジュラーアーキテクチャは、推論から表現学習を分離し、数値パターンと意味論的推論の効率的なアライメントを可能にする。
論文 参考訳（メタデータ） (2025-06-25T06:40:14Z) - UniTST: Effectively Modeling Inter-Series and Intra-Series Dependencies for Multivariate Time Series Forecasting [98.12558945781693]
フラット化されたパッチトークンに統一された注意機構を含む変圧器ベースモデルUniTSTを提案する。
提案モデルでは単純なアーキテクチャを採用しているが,時系列予測のためのいくつかのデータセットの実験で示されたような,魅力的な性能を提供する。
論文 参考訳（メタデータ） (2024-06-07T14:39:28Z) - Guiding the PLMs with Semantic Anchors as Intermediate Supervision:
Towards Interpretable Semantic Parsing [57.11806632758607]
本稿では,既存の事前学習言語モデルを階層型デコーダネットワークに組み込むことを提案する。
第一原理構造をセマンティックアンカーとすることで、2つの新しい中間管理タスクを提案する。
いくつかのセマンティック解析ベンチマークで集中的な実験を行い、我々のアプローチが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） (2022-10-04T07:27:29Z)
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。