論文の概要: Event Signature Transfer: Model-Agnostic Forecast Scenario Construction from Historical Events

• arxiv url: http://arxiv.org/abs/2609.23074v1
• Date: Sat, 19 Sep 2026 15:14:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:00.671577
• Title: Event Signature Transfer: Model-Agnostic Forecast Scenario Construction from Historical Events
• Title（参考訳）: イベント署名転送: 歴史的イベントからのモデルに依存しない予測シナリオの構築
• Abstract要約: Event Signature Transferは完了した過去のイベントを明示的な予測シナリオに変換する。 ESTは、トレーニングなし、モデル内部なし、転送時に任意の量子予測器に適用される。
• 参考スコア（独自算出の注目度）: 6.645176225967383
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Forecasters often know an event is imminent but not the shape, size, or timing of its effect. We introduce Event Signature Transfer (EST), a training-free, model-agnostic operator that turns a completed past event into an explicit forecast scenario. EST removes a source event's own trend and seasonality, then scales and retimes the remaining event signature onto a native forecast, preserving the forecast's linked structure and reducing to it exactly at zero strength. Because it reads only output quantiles, EST applies to any quantile forecaster, with no training, no model internals, at transfer time. Across twelve real episodes and ten synthetic scenarios on Chronos-2, TimesFM-2.5 and Toto-2.0, manually configured EST reduces real-episode WQL by 21.7-90\% in-sample. On Chronos-2, it leads eleven of twelve matched comparisons against covariate conditioning, activation editing and raw replay. The operator builds a scenario; it does not estimate its likelihood.
• Abstract（参考訳）: 予測者はイベントが差し迫っているが、その効果の形状、大きさ、タイミングを知らないことをよく知っている。 トレーニング不要でモデルに依存しない演算子であるEvent Signature Transfer (EST)を導入し、完了した過去のイベントを明示的な予測シナリオに変換する。 ESTはソースイベントの傾向と季節性を取り除き、残りのイベントシグネチャをネイティブの予測にスケールして再タイムし、予測のリンク構造を保ち、強度をゼロにする。 出力量子化のみを読み込むため、ESTは任意の量子化予測器に適用できる。 12つの実エピソードとクロノス-2、タイムズFM-2.5、Toto-2.0の合成シナリオのうち、手動で構成されたESTは、実エピソードWQLを21.7-90\%削減する。 Chronos-2では、共変量条件付け、アクティベーション編集、生再生に対する12のマッチした比較のうち11が導かれる。 オペレータはシナリオを構築します。

関連論文リスト

• OutageDiT: A Generative Foundation Model for Power Outage Forecasting and Scenario Simulation [15.111545350167729]
  OutageDiTは、クォーター時間解像度で7日間の停止軌跡を生成する基盤モデルである。 条件エンコーダは、予測毎に1回、履歴コンテキストと既知の未来のco変数を処理します。 浅い流れデコーダは、結果として生じる水平方向の状態を再利用し、完全な軌道を生成する。
  論文  参考訳（メタデータ） (2026-09-01T21:54:17Z)
• Agentic Workflow Using RBA$_θ$ for Event Prediction [0.0]
  風力ランプのイベントは、強い変動性、マルチスケールのダイナミクス、およびサイト固有の気象効果のために予測が難しい。 本稿では、ランプイベントを直接予測し、その後に電力軌道を再構築するイベントファースト・周波数対応予測パラダイムを提案する。
  論文  参考訳（メタデータ） (2026-02-05T13:03:15Z)
• time2time: Causal Intervention in Hidden States to Simulate Rare Events in Time Series Foundation Models [7.400285974510125]
  我々は,ある事象の統計モーメントを他の事象に付与することで,隠れた状態を操作する因果的介入である移植活性化を導入する。 モデルが事象重大性の段階的概念を符号化し、潜在ベクトルノルムはシステム的ショックの大きさに直接関連していることがわかった。 本研究は, モデル予測を規定する潜在概念空間の証拠として, ポストホック帰属から直接因果介入への解釈可能性のシフトが示唆された。
  論文  参考訳（メタデータ） (2025-09-06T18:28:20Z)
• Improving Event Definition Following For Zero-Shot Event Detection [66.27883872707523]
  ゼロショットイベント検出に対する既存のアプローチは通常、既知のイベントタイプをアノテートしたデータセット上でモデルをトレーニングする。 イベント定義に従うためのトレーニングモデルによるゼロショットイベント検出の改善を目指しています。
  論文  参考訳（メタデータ） (2024-03-05T01:46:50Z)
• SCTc-TE: A Comprehensive Formulation and Benchmark for Temporal Event Forecasting [63.01035584154509]
  私たちは完全に自動化されたパイプラインを開発し、約0.6百万のニュース記事からMidEast-TEという大規模なデータセットを構築しました。 このデータセットは、2015年から2022年まで、主に中東地域での協力と紛争イベントに焦点を当てている。 そこで本稿では,SCTc-TE予測にローカルコンテキストとグローバルコンテキストの両方を活用可能なLoGoを提案する。
  論文  参考訳（メタデータ） (2023-12-02T07:40:21Z)
• SMURF-THP: Score Matching-based UnceRtainty quantiFication for Transformer Hawkes Process [76.98721879039559]
  SMURF-THPは,変圧器ホークス過程を学習し,予測の不確かさを定量化するスコアベース手法である。 具体的には、SMURF-THPは、スコアマッチング目標に基づいて、イベントの到着時刻のスコア関数を学習する。 我々は,イベントタイプ予測と到着時刻の不確実性定量化の両方において,広範な実験を行う。
  論文  参考訳（メタデータ） (2023-10-25T03:33:45Z)
• CEP3: Community Event Prediction with Neural Point Process on Graph [59.434777403325604]
  グラフニューラルネットワークとマーク付き時間点プロセス(MTPP)を組み合わせた新しいモデルを提案する。 実験では,モデルの精度と訓練効率の両面から,モデルの優れた性能を実証した。
  論文  参考訳（メタデータ） (2022-05-21T15:30:25Z)
• Complex Event Forecasting with Prediction Suffix Trees: Extended Technical Report [70.7321040534471]
  複合イベント認識(CER)システムは、イベントのリアルタイムストリーム上のパターンを"即時"検出する能力によって、過去20年間に人気が高まっている。 このような現象が実際にCERエンジンによって検出される前に、パターンがいつ発生するかを予測する方法が不足している。 複雑なイベント予測の問題に対処しようとする形式的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-01T09:52:31Z)
• RMS-Net: Regression and Masking for Soccer Event Spotting [52.742046866220484]
  イベントラベルとその時間的オフセットを同時に予測できる,軽量でモジュール化されたアクションスポッティングネットワークを開発した。 SoccerNetデータセットでテストし、標準機能を使用して、完全な提案は3平均mAPポイントで現在の状態を超えます。
  論文  参考訳（メタデータ） (2021-02-15T16:04:18Z)
• Conditional Generation of Temporally-ordered Event Sequences [29.44608199294757]
  本稿では,イベントシーケンスの時間性だけでなく,イベント共起を捉えることができる条件生成モデルを提案する。 この単一モデルは、時間的順序付け、与えられたイベント列をそれらが発生した順序にソートすること、イベントを埋め込むことの両方に対処でき、既存のイベントの時間的順序付けシーケンスに適合する新しいイベントを予測できる。
  論文  参考訳（メタデータ） (2020-12-31T18:10:18Z)

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。