論文の概要: HiPPO Functional Memory: Coordinate-Queryable Attention for Irregular Time Series

• arxiv url: http://arxiv.org/abs/2610.24501v1
• Date: Sat, 17 Oct 2026 06:52:49 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 11:44:57.059421
• Title: HiPPO Functional Memory: Coordinate-Queryable Attention for Irregular Time Series
• Title（参考訳）: HiPPO関数記憶:不規則時系列に対するコーディネートクエリーアテンション
• Abstract要約: HiPPO関数メモリ (HiPPO-FM) は、不規則な履歴を再利用可能な座標調整可能な状態にコンパイルする機能メモリアテンション演算子である。 Kernel-smoothed HiPPO 座標と Gram ベースのreadout は共有書き込み/読み取り機構を定義する。
• 参考スコア（独自算出の注目度）: 0.24554686192257416
• License:
• Abstract: Irregular time series require models to answer temporal queries at arbitrary coordinates, yet existing approaches typically retain observation-dependent representations that must be repeatedly resolved for each query. We introduce HiPPO Functional Memory (HiPPO-FM), a functional-memory attention operator that compiles an irregular history into a reusable coordinate-addressable state. Instead of storing observation-indexed tokens or latent trajectories, HiPPO-FM writes observations into a fixed-rank functional space and performs direct coordinate evaluation through matched functional geometry. Kernel-smoothed HiPPO coordinates and Gram-based readout define a shared write/read mechanism, while observed-support self-attention enables content-dependent representations before compression. We characterize the induced finite-dimensional query space and derive an error decomposition separating functional geometry approximation from learned-memory mismatch. Across continuous-coordinate reconstruction, irregular representation learning, real-world extrapolation, and event-sequence prediction, HiPPO-FM consistently improves strong irregular time-series baselines, achieving strong reconstruction accuracy on Spiral, competitive performance across 20 UEA datasets, improved real-world extrapolation, and superior results on several irregular event benchmarks. After encoding, the compact functional state can be reused across different query sets without reprocessing the observation history.
• Abstract（参考訳）: 不規則な時系列は、任意の座標で時間的クエリに答えるモデルを必要とするが、既存のアプローチでは、各クエリに対して繰り返し解決されなければならない観測に依存した表現を保持するのが一般的である。 我々は、不規則な履歴を再利用可能な座標調整可能な状態にコンパイルする機能メモリアテンション演算子HiPPO-FMを紹介する。 HiPPO-FMは、観測インデックス付きトークンや潜在軌道を格納する代わりに、観測結果を固定階の関数空間に書き込み、一致した関数幾何学を通して直接座標評価を行う。 Kernel-smoothed HiPPO 座標と Gram-based Readout は共有書き込み/読み取り機構を定義する。 有限次元クエリ空間を特徴付け、学習メモリのミスマッチから関数的幾何近似を分離する誤差分解を導出する。 連続コーディネート再構成、不規則表現学習、実世界の外挿、イベントシーケンス予測など、HiPPO-FMは一貫して強い不規則な時系列ベースラインを改善し、スピラル上での強い再構成精度、20UEAデータセット間の競合性能、実世界の外挿の改善、いくつかの不規則イベントベンチマークにおける優れた結果を達成する。 符号化後、コンパクトな関数状態は観測履歴を再処理することなく、異なるクエリセット間で再利用することができる。

関連論文リスト

• Function-Space Transformer with Adaptive Anchors [1.5469452301122175]
  本稿では,FST(Function-Space Transformer)を提案する。 PDEBench BurgersとDarcy Flowを用いたPDEソリューション予測では、FSTはPerceiver IOベースラインを大幅に上回る。 ImageNet-1Kでは、FSTはVision Transformerベースラインよりも高い分類精度を達成する。
  論文  参考訳（メタデータ） (2026-09-29T18:10:22Z)
• MemOps: Benchmarking Lifecycle Memory Operations in Long-Horizon Conversations [50.24315431387575]
  ライフサイクル操作のシーケンスとして会話メモリを再構成するベンチマークであるMemOpsを紹介する。 MemOpsは、それぞれのメモリイベントをトリガ、ターゲット、スコープ、状態遷移、エビデンスを指定した構造化トレースで表現する。 長いコンテキスト、検索ベース、パラメトリック、マネージドメモリシステムにわたって、MemOpsはファイナ・アンサーの精度のみを隠蔽する障害モードをアンタングルする。
  論文  参考訳（メタデータ） (2026-07-14T15:33:44Z)
• Depth Completion as Parameter-Efficient Test-Time Adaptation [66.72360181325877]
  CAPAはパラメータ効率のよいテスト時間最適化フレームワークであり、深度補完のために事前訓練された3D基礎モデル(FM)を適用する。 ビデオの場合、CAPAはシーケンスレベルのパラメータ共有を導入し、時間的相関を利用して、堅牢性を改善し、複数フレームの一貫性を強制するために、すべてのフレームを共同で適用する。
  論文  参考訳（メタデータ） (2026-02-16T13:53:23Z)
• ASTGI: Adaptive Spatio-Temporal Graph Interactions for Irregular Multivariate Time Series Forecasting [16.98710098925001]
  IMTS固有の不規則区間は、既存の方法に2つの主要な課題をもたらす。 本稿では,これらの課題に対処するための適応時空間グラフインタラクション(ASTGI)フレームワークを提案する。 複数のベンチマークデータセットの実験では、ASTGIが様々な最先端メソッドより優れていることが示されている。
  論文  参考訳（メタデータ） (2025-09-27T14:00:27Z)
• Leveraging Intermediate Representations of Time Series Foundation Models for Anomaly Detection [0.0]
  時系列基礎モデル(TSFM)は異常検出のための強力なツールとして登場した。 TSFMの中間層表現を利用した新しい異常検出手法であるTimeRepを提案する。 TimeRepは、最先端のベースラインの幅広いスペクトルを一貫して上回る。
  論文  参考訳（メタデータ） (2025-09-16T04:10:17Z)
• STRGCN: Capturing Asynchronous Spatio-Temporal Dependencies for Irregular Multivariate Time Series Forecasting [14.156419219696252]
  STRGCNはIMTSの複雑な相互依存性を完全連結グラフとして表現する。 4つの公開データセットの実験では、STRGCNが最先端の精度、競合するメモリ使用量、トレーニング速度を達成することが示されている。
  論文  参考訳（メタデータ） (2025-05-07T06:41:33Z)
• Continuous-Time Linear Positional Embedding for Irregular Time Series Forecasting [14.038703353884033]
  時間情報を符号化する連続線形関数を学習するCTLPEを提案する。 CTLPEは、様々な不規則にサンプリングされた時系列データセットで既存の技術より優れている。
  論文  参考訳（メタデータ） (2024-09-30T08:46:18Z)
• Detecting Anomalies in Dynamic Graphs via Memory enhanced Normality [39.476378833827184]
  動的グラフにおける異常検出は、グラフ構造と属性の時間的進化によって大きな課題となる。 時空間記憶強調グラフオートエンコーダ(STRIPE)について紹介する。 STRIPEは、AUCスコアが5.8%改善し、トレーニング時間が4.62倍速く、既存の手法よりも大幅に優れている。
  論文  参考訳（メタデータ） (2024-03-14T02:26:10Z)
• Robust and Adaptive Temporal-Difference Learning Using An Ensemble of Gaussian Processes [70.80716221080118]
  本稿では、時間差学習(TD)による政策評価の世代的視点について考察する。 OS-GPTDアプローチは、状態-逆ペアのシーケンスを観測することにより、与えられたポリシーの値関数を推定するために開発された。 1つの固定カーネルに関連する限られた表現性を緩和するために、GP前の重み付けアンサンブル(E)を用いて代替のスキームを生成する。
  論文  参考訳（メタデータ） (2021-12-01T23:15:09Z)
• Multiway Non-rigid Point Cloud Registration via Learned Functional Map Synchronization [105.14877281665011]
  我々は、点雲上に定義された学習関数に関する地図を同期させることにより、複数の非剛体形状を登録する新しい方法であるSyNoRiMを提案する。 提案手法は,登録精度において最先端の性能を達成できることを実証する。
  論文  参考訳（メタデータ） (2021-11-25T02:37:59Z)
• HiPPO: Recurrent Memory with Optimal Polynomial Projections [93.3537706398653]
  本稿では,連続信号と離散時系列をベースに投影してオンライン圧縮するための一般フレームワーク(HiPPO)を提案する。 過去の各時間ステップの重要性を示す尺度が与えられた場合、HiPPOは自然なオンライン関数近似問題に対する最適解を生成する。 このフォーマルなフレームワークは、すべての履歴を記憶するために時間をかけてスケールする新しいメモリ更新メカニズム(HiPPO-LegS)を提供する。
  論文  参考訳（メタデータ） (2020-08-17T23:39:33Z)

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。