論文の概要: Delay-Guided Attention for Quality Prediction in Multistage Manufacturing

• arxiv url: http://arxiv.org/abs/2610.29220v1
• Date: Wed, 21 Oct 2026 05:24:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.215019
• Title: Delay-Guided Attention for Quality Prediction in Multistage Manufacturing
• Title（参考訳）: 多段製造における品質予測のための遅延誘導注意
• Abstract要約: 本稿では,多段階予測のための遅延誘導注意(DAMF)を提案し,段階間ラグ分布を明示的に推定する。 隣接するステージペアごとに、ラグ予測器は、現在の下流表現と上流表現の候補ラタグと比較する。 事象・マグニチュードの分解は、正のラグの確率と条件等級を別々に推定し、サンプルとステージペア固有の分布を生成する。
• 参考スコア（独自算出の注目度）: 6.073320548455878
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quality prediction in multistage manufacturing is challenging when inter-stage lags vary over time, as measurements taken at the same timestamp may reflect different process states. Existing approaches often preserve production order but fuse timestamp-aligned features or model delayed dependencies implicitly, without identifying the upstream history relevant to each downstream observation. We propose Delay-Guided Attention for Multi-stage Forecasting (DAMF), which explicitly estimates inter-stage lag distributions and uses them to guide cross-stage information transfer for final quality prediction. For each adjacent stage pair, a lag predictor compares the current downstream representation with candidate lagged upstream representations. An occurrence-magnitude factorization separately estimates the probability of a positive lag and its conditional magnitude, yielding a sample- and stage-pair-specific distribution over discrete lag states without requiring plant-specified delays at inference. DelayAlignment incorporates this soft distribution as a temporal prior into differentiable cross-stage attention, while gated residual fusion regulates information propagation across production stages. For interpretation, segment-wise Viterbi decoding converts pointwise lag distributions into temporally coherent lag paths, whereas forecasting retains the soft distributions for alignment. On the real-world LiquidSugar dataset, DAMF improves final quality prediction over the compared baselines. Evaluations on two controlled-delay benchmarks show more accurate and stable lag recovery, and ablation studies support the contributions of lag prediction, delay-guided attention, and structured temporal decoding.
• Abstract（参考訳）: 多段階製造における品質予測は、タイムスタンプで測定された測定が異なるプロセス状態を反映する可能性があるため、時間とともにステージ間ラグが変化すると困難である。 既存のアプローチは、しばしばプロダクションの順序を保っているが、各下流の観察に関連する上流履歴を特定することなく、タイムスタンプに沿った機能やモデルの依存性を暗黙的にフューズする。 マルチステージ予測のための遅延ガイド型アテンション(DAMF)を提案し, ステージ間ラグ分布を明示的に推定し, 最終品質予測のための段間情報転送を誘導する。 隣接するステージペアごとに、ラグ予測器は、現在の下流表現と上流表現の候補ラタグと比較する。 発生マグニチュード分解は、植物特異的な遅延を推測することなく、離散的なラグ状態における正のラグの確率とその条件等級を別々に推定し、サンプルおよびステージペア特異的な分布を離散的なラグ状態上で生成する。 DelayAlignmentは、このソフト分布を時間的先行として、異なる段階の注意に組み入れ、ゲート残差融合は生産段階間の情報伝達を規制する。 解釈において、セグメントワイドなビタビ復号法は、ポイントワイドなラグ分布を時間的に一貫性のあるラグパスに変換するが、予測はアライメントのためのソフトな分布を保持する。 実世界のLiquidSugarデータセットでは、DAMFは比較ベースラインの最終的な品質予測を改善する。 2つの制御遅延ベンチマークの評価は、より正確で安定したラグ回復を示し、アブレーション研究は、ラグ予測、遅延誘導注意、構造化時間復号の寄与を支持する。

関連論文リスト

• Beyond Static Positional Encoding: Bayesian Time-aware Attention for Non-Stationary Long-term Time Series Forecasting [1.3326740529148902]
  位置符号化が自己注意によって捉えた時間的依存をいかに形作るかを示す。 本稿では,時間的カーネルを適応的に組み合わせるために,エキスパートルータを併用した時間認識型アテンション(BTA)を提案する。 BTAは、複数のTransformerバックボーンの予測性能を継続的に改善する。
  論文  参考訳（メタデータ） (2026-10-14T05:23:29Z)
• GARDiff: Graph-Aligned Residual Diffusion for Probabilistic Multivariate Time-Series Forecasting [30.323771207824166]
  最近の非結合拡散フレームワークは、予測を決定論的予測と残留生成に分離している。 この直接的構造移動は信頼できないことを示す。 GARDiff, Graph-Aligned Residual Diffusion frameworkを提案する。
  論文  参考訳（メタデータ） (2026-09-29T14:36:16Z)
• Adaptive Multi-Scale Forecasting and Gate-Localized Conformal Prediction for Multivariate Nonstationary Time Series [7.704601239153111]
  ABF-T-GLCPは非定常時系列の予測と不確実性定量化のためのモデルに依存しないフレームワークである。 予測モジュールは、学習ゲートを通じて地平線固有の時間的専門家を結合し、スパース予測転送を使用して予測を洗練する。 不確実性モジュールであるGate-Localized Conformal Predictionは、学習されたゲート状態と時間的回帰を利用して、局所的に関連するキャリブレーション残差を選択する。
  論文  参考訳（メタデータ） (2026-07-25T11:46:38Z)
• Inference-Time Attribute Distribution Alignment for Unconditional Diffusion [54.28942858023809]
  我々は、事前訓練された非条件拡散モデルに対する推論時属性分布アライメント問題を定式化する。 そこで本研究では,逆拡散過程に対する最適制御問題として,推定時属性分布アライメントを適用した。 最適制御に基づくアルゴリズムを用いて分散マッチングの最適化を行う。
  論文  参考訳（メタデータ） (2026-05-08T09:02:47Z)
• TimeAPN: Adaptive Amplitude-Phase Non-Stationarity Normalization for Time Series Forecasting [67.91113180885601]
  TimeAPNは時間領域と周波数領域の両方から非定常因子を明示的にモデル化し、予測する。 TimeAPNは、複数の予測水平線にわたる長期的な予測精度を一貫して改善する。 これは最先端の可逆正規化法より優れている。
  論文  参考訳（メタデータ） (2026-03-18T07:21:24Z)
• DistDF: Time-Series Forecasting Needs Joint-Distribution Wasserstein Alignment [92.70019102733453]
  トレーニング時系列予測モデルは、モデル予測の条件分布とラベルシーケンスの条件分布の整合性を必要とする。 本研究では,条件予測とラベル分布との差を最小限に抑えてアライメントを実現するDistDFを提案する。
  論文  参考訳（メタデータ） (2025-10-28T16:09:59Z)
• Technical note on Sequential Test-Time Adaptation via Martingale-Driven Fisher Prompting [3.5808917363708743]
  M-FISHERは、ストリーミングデータにおける逐次分布シフト検出と安定した適応のための方法である。 検出のために、非整合性スコアから指数的マーチンゲールを構築し、Villeの不等式を適用し、偽アラーム制御の時間一様保証を得る。 適応のために、フィッシャー条件によるプロンプトパラメータの更新は、分布多様体上の自然な勾配降下を実装していることを示す。
  論文  参考訳（メタデータ） (2025-10-04T15:31:26Z)
• Adaptive Conformal Prediction Intervals Over Trajectory Ensembles [50.31074512684758]
  将来の軌道は、自律運転、ハリケーン予測、疫病モデルといった領域で重要な役割を果たしている。 本稿では,サンプル軌道を理論的カバレッジ保証付き校正された予測区間に変換する共形予測に基づく統一的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-18T21:14:07Z)
• Timer-XL: Long-Context Transformers for Unified Time Series Forecasting [67.83502953961505]
  我々は時系列の統一予測のための因果変換器Timer-XLを提案する。 大規模な事前トレーニングに基づいて、Timer-XLは最先端のゼロショット性能を達成する。
  論文  参考訳（メタデータ） (2024-10-07T07:27:39Z)
• Streaming Motion Forecasting for Autonomous Driving [71.7468645504988]
  ストリーミングデータにおける将来の軌跡を問うベンチマークを導入し,これを「ストリーミング予測」と呼ぶ。 我々のベンチマークは本質的に、スナップショットベースのベンチマークでは見過ごされていない安全上の問題であるエージェントの消失と再出現を捉えている。 我々は,任意のスナップショットベースの予測器をストリーミング予測器に適応させることのできる,"Predictive Streamer"と呼ばれるプラグアンドプレイメタアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-10-02T17:13:16Z)

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。