論文の概要: Role-Specific Predictive Geometries for Nonstationary Multivariate Graph-Signal Forecasting

• arxiv url: http://arxiv.org/abs/2609.06519v1
• Date: Sun, 06 Sep 2026 10:29:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.260945
• Title: Role-Specific Predictive Geometries for Nonstationary Multivariate Graph-Signal Forecasting
• Title（参考訳）: 非定常多変量グラフ信号予測のための役割特異的予測測地
• Abstract要約: 本稿では,有向な長関係が推定平衡座標に作用するのに対し,有向な短関係はラッジ差に作用する役割特異的な予測測地を紹介する。 行列値のロングレスポンスはグラフ伝播の前に平衡座標を混合し、ショートレスポンスはグラフフィルタのトランジェント設計を使用する。 提案した予測器は,G-VARMAバックボーンを3つのデータセットで改善する。
• 参考スコア（独自算出の注目度）: 4.584973779249268
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Forecasting multivariate graph signals is challenging when node-level trajectories are nonstationary but stable relations persist across nodes and features. In an error-correction representation, long-run equilibrium restoration and short-run transient propagation represent different predictive roles and need not share a common cross-feature geometry. We introduce role-specific predictive geometries in which directed Long relations act on estimated equilibrium coordinates, whereas directed Short relations act on lagged differences. Matrix-valued Long responses mix equilibrium coordinates before graph propagation, while Short responses use graph-filtered transient designs; a direct multi-horizon estimator couples forecast corrections across adjacent horizons. Temporal cross-fitting and Frisch-Waugh-Lovell partialling-out give selected edges a conditional predictive interpretation relative to a graph-temporal backbone. The Long operator remains right-factorized through the equilibrium subspace and therefore annihilates source common-trend directions. Controlled experiments recover all planted Long relations (20/20), all planted Short relations (20/20), and both role families in every Dual realization (10/10). Across four real-world benchmarks, the proposed predictor improves on the G-VARMA backbone in three datasets, with all 25 fold-horizon comparisons favorable on the five-fold financial benchmark.
• Abstract（参考訳）: 多変量グラフ信号の予測は、ノードレベルのトラジェクトリが非定常であるが、ノードや特徴間の安定な関係が持続する場合には困難である。 誤差補正表現では、長時間の平衡回復と短時間の過渡伝播は異なる予測的役割を表現し、共通のクロスフィーチャー幾何学を共有する必要はない。 本稿では,有向な長関係が推定平衡座標に作用するのに対し,有向な短関係はラッジ差に作用する役割特異的な予測測地を紹介する。 行列値のロングレスポンスはグラフ伝播の前に平衡座標を混合し、ショートレスポンスはグラフフィルタによる過渡的設計を使用し、直接多重水平推定器は隣接地平線にわたって予測補正を結合する。 時間的クロスフィッティングとFrsch-Waugh-Lovellパーシャルリングアウトは、選択されたエッジにグラフ時間的バックボーンに対する条件付き予測解釈を与える。 ロング作用素は、平衡部分空間を通して右に分解され、したがってソースの共通距離方向を消滅させる。 制御された実験は、すべての植樹された長い関係(20/20)、全ての植樹された短い関係(20/20)、そして両方の二重実現における役割ファミリー(10/10)を回復する。 4つの実世界のベンチマークで提案された予測器は、G-VARMAのバックボーンを3つのデータセットで改善する。

関連論文リスト

• Orthogonal JEPA: Factorized Predictive States for Latent World Models [95.20158869896393]
  予測因数分解に基づく潜在的世界モデリングフレームワークであるメソッドを導入する。 そこで本研究では,予測構造を弱め,あるいは矛盾する勾配を抑えつつ,冗長なキャパシティを支配的信号に割り当てる手法を提案する。 制御された視覚、単細胞転写学、縦断的な健康記録、連続的な制御、分子動力学の実験は、表現品質、予測、計画、長期安定性を評価する。
  論文  参考訳（メタデータ） (2026-08-20T13:59:57Z)
• Geometric and Behavioral Stratification in Transformer Residual Streams [0.0]
  訓練されたトランスモデルは特権ベースを発達させ、残りの残流と統計が異なる座標軸を発達させる。 モデルが現在予測しているトークンの予測方向,非埋め込み方向について検討し,コンテンツ定義の特権アンカーとして機能することを確認した。
  論文  参考訳（メタデータ） (2026-08-12T17:42:20Z)
• When Do Graph Foundation Models Transfer? A Data-Centric Theory [68.54337055801571]
  グラフ基盤モデル(GFMs)は、様々なグラフドメインにまたがる単一のバックボーンの再利用を目的としているが、それらの転送は不均一であり、負の転送を示すことがある。 我々は、セットベースおよびメッセージパストークン化の両方に対して、任意のリプシッツバックボーンは、クロスドメイン出力シフトの明示的な分解を認めていることを示す。 我々はスペクトルPEの安定性を保証するとともに、固有ベクトルと部分空間に基づくPEの対比挙動を強調する。
  論文  参考訳（メタデータ） (2026-05-28T12:07:27Z)
• Towards Scaling Law Analysis For Spatiotemporal Weather Data [50.25336689856158]
  単一ステップのトレーニング損失から長期ロールアウトやチャネル単位のメトリクスまで,自動回帰天気予報のためのニューラルスケーリング分析を拡張した。 プールドスケーリングは望ましいように見えるが、多くのチャネルは遅延リードで劣化する。 本稿では,重み付け対象,地平線対応カリキュラム,出力間の資源配分について論じる。
  論文  参考訳（メタデータ） (2026-04-06T18:14:53Z)
• Anderson localisation in spatially structured random graphs [0.0]
  空間構造を持つ高次元グラフ上でのアンダーソンの局所化は、長距離だが距離に依存したホッピングによって引き起こされる。 ランダムな正則グラフ上の短距離アンダーソンモデルと統計的に均一なホッピングを持つ完全連結モデルの間に補間するモデルのクラスを導入する。
  論文  参考訳（メタデータ） (2026-01-01T05:55:42Z)
• Gaussian Embedding of Temporal Networks [12.09704836128003]
  TGNE (textbfTemporal textbfGaussian textbfNetwork textbfEmbedding)は、Latent Space Models (LSM)citeHoff2002および時間グラフ機械学習を介してネットワークの統計解析を橋渡しする。 元のグラフを再構成し、不確実性をモデル化するTGNEの有効性を評価する。
  論文  参考訳（メタデータ） (2024-05-27T15:07:57Z)
• Learning Socio-Temporal Graphs for Multi-Agent Trajectory Prediction [22.667895324575824]
  本稿では,2対の社会・時間的相互作用を明示的に捉えるために,Socio-Temporal Graph (STG) と呼ぶ指向非巡回グラフ構造を導入する。 軌道予測のためのSTGの構造を学習するためのエンドツーエンドパイプラインを提供するSTGformerというアテンションベースモデルを設計する。 提案手法は,2つの大規模ベンチマークデータセットにおいて,最先端の予測精度を総合的に達成する。
  論文  参考訳（メタデータ） (2023-12-22T01:48:09Z)
• Spatio-Temporal Joint Graph Convolutional Networks for Traffic Forecasting [75.10017445699532]
  近年、時間グラフモデリング問題として交通予測の定式化に焦点が移っている。 本稿では,道路網における交通予測の精度向上のための新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-11-25T08:45:14Z)
• SGCN:Sparse Graph Convolution Network for Pedestrian Trajectory Prediction [64.16212996247943]
  歩行者軌道予測のためのスパースグラフ畳み込みネットワーク(SGCN)を提案する。 具体的には、SGCNはスパース指向の相互作用をスパース指向の空間グラフと明確にモデル化し、適応的な相互作用歩行者を捉える。 可視化は,歩行者の適応的相互作用とその運動特性を捉えることができることを示す。
  論文  参考訳（メタデータ） (2021-04-04T03:17:42Z)
• PCPL: Predicate-Correlation Perception Learning for Unbiased Scene Graph Generation [58.98802062945709]
  本稿では,適切な損失重みを適応的に求めるための新しい述語相関知覚学習手法を提案する。 我々のPCPLフレームワークは、文脈特徴をよりよく抽出するグラフエンコーダモジュールも備えています。
  論文  参考訳（メタデータ） (2020-09-02T08:30:09Z)

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。