論文の概要: PMU Foundation Model Bridge: A Tool for Connecting Synchrophasor Streams to Time Series Foundation Models

• arxiv url: http://arxiv.org/abs/2610.33387v1
• Date: Sat, 24 Oct 2026 01:20:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.316806
• Title: PMU Foundation Model Bridge: A Tool for Connecting Synchrophasor Streams to Time Series Foundation Models
• Title（参考訳）: PMU Foundation Model Bridge: シンクロファサーストリームを時系列基礎モデルに接続するためのツール
• Abstract要約: PMU Foundation Model Bridgeは、オンラインファサー計測ユニット(PMU)またはファザーデータ集中器(PDC)ストリームを公開時系列基礎モデル(TSFM)に接続するオープンソースツールである。 このフレームワークは、予測のためのカスタマイズされた追加量の導出のための前処理層を提供する。 このツールは、シンクロファサー技術とTSFMを組み合わせたコミュニティリサーチを支援することを目的としている。
• 参考スコア（独自算出の注目度）: 8.027889323446777
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents PMU Foundation Model Bridge, an open source tool that connects online phasor measurement unit (PMU) or phasor data concentrator (PDC) streams to publicly available time series foundation models (TSFM). Through a desktop interface or command line interface, users can select measurement channels, define preprocessing, choose TSFMs, and configure outputs. In the initial release, 4 publicly available TSFMs were supported, including Chronos-2, TimesFM 2.5, Timestral, and TimesFM-3. The tool supports both file and synchrophasor streaming outputs, therefore enabling both offline use and integration into C37.118-based online workflow applications. In addition to supporting raw synchrophasor data, the framework provides a preprocessing layer for deriving customized additional quantities for forecasting. The tool is validated using a virtual PMU and real-time laboratory measurements from a frequency disturbance recorder (FDR). The tool aims to support community research on combining synchrophasor technology with TSFMs.
• Abstract（参考訳）: 本稿では,PMUファンデーション・モデル・ブリッジ(PMU)について述べる。PMUは,オンライン・ファサー計測ユニット(PMU)またはファザー・データ・集中器(PDC)ストリームを公開時系列基礎モデル(TSFM)に接続するオープンソース・ツールである。 デスクトップインターフェースやコマンドラインインターフェースを通じて、ユーザは測定チャネルを選択し、事前処理を定義し、TSFMを選択し、出力を設定することができる。 最初のリリースでは、Chronos-2、TimesFM 2.5、Timestral、TimesFM-3を含む4つの公開TSFMがサポートされた。 このツールはファイルとシンクロファサーの両方のストリーミング出力をサポートしており、オフライン使用とC37.118ベースのオンラインワークフローアプリケーションとの統合が可能である。 生のシンクロファサーデータのサポートに加えて、フレームワークは予測のためのカスタマイズされた追加量の導出のための前処理層を提供する。 このツールは、仮想PMUと周波数障害レコーダ(FDR)のリアルタイム実験室計測を用いて検証される。 このツールは、シンクロファサー技術とTSFMを組み合わせたコミュニティリサーチを支援することを目的としている。

関連論文リスト

• FlowTSFM: Turning Encoder Depth into Quantile Transport [29.781238027602466]
  本稿では,再帰輸送プロセスとして深度を解釈するエンコーダアーキテクチャであるFlowTSFMを紹介する。 わずか388Mのパラメータで、FlowTSFMはGIFT-EvalとTIMEの競合性能を達成している。 また、CosMeanも導入しています。これは、リカレント更新が最終予測に一貫して一致するかどうかを計測するスケールフリー診断です。
  論文  参考訳（メタデータ） (2026-09-12T01:29:17Z)
• S$^3$AM: A Single-Stream SAM with Reliability-Calibrated Frequency Adapter for Multi-modal Salient Object Detection [74.15663758681849]
  シングルストリームフレームワークは、信頼性キャリブレーションされた周波数適応をMSOD用のSAMバックボーンに組み込む。 RGB-D、RGB-T、RGB-NIRの正当性オブジェクト検出ベンチマークの実験により、提案フレームワークが競合性能を達成することを確認した。
  論文  参考訳（メタデータ） (2026-08-18T08:05:00Z)
• An Efficient vLLM-Based Inference Pipeline for Unified Audio Understanding and Generation [63.50393485685279]
  音声の理解と生成を統一する vLLM ベースの推論パイプラインを提案する。 共有直観自由誘導(CFG)のスループットを克服する。 連続バッチ内でペア条件と非条件要求を共スケジューリングすることにより、CFGの実装は、非CFGスループットの80%を維持できます。
  論文  参考訳（メタデータ） (2026-07-02T12:55:11Z)
• HyperTool: Beyond Step-Wise Tool Calls for Tool-Augmented Agents [52.33697136670754]
  textbfHyperToolは、実行可能なMPPスタイルのツールインターフェースで、ツール実行のモデル可視単位を変更する。 モデルはHyperToolをコードブロックで呼び出し、既存のツールを元のスキーマを通じて呼び出し、返却された値を操作し、中間結果をローカルに渡すことができる。 MCP-Universeでは、HyperToolは平均精度をQwen3-32Bで15.69%から35.29%、Qwen3-8Bで9.93%から33.33%に改善し、GPT-OSSとKimi-k2.5を平均で上回っている。
  論文  参考訳（メタデータ） (2026-06-11T17:56:36Z)
• Time Series as Language: A Universal Tokenizer for General-Purpose Time Series Foundation Models [58.73838451441261]
  連続時間列(TS)を離散トークンに変換するユニバーサルトークンライザUniTokと、これらのトークン上でNTPを介して事前訓練された基礎モデルUniTok-FMを紹介する。 UniTok-FMは、ゼロショットとプロンプトブースト予測をサポートし、トレーニング不要なインコンテキスト推論による少数ショットの生成と分類をサポートする汎用基盤モデルである。
  論文  参考訳（メタデータ） (2026-05-31T16:04:11Z)
• Posterior Augmented Flow Matching [64.1559809786948]
  後拡張フローマッチング(PAFM)はフローマッチング(FM)の一般化である PAFMは、異なるモデルスケールで最大3.4FID50KでFMよりも改善されていることを示す。
  論文  参考訳（メタデータ） (2026-05-01T17:59:59Z)
• PAF-Net: Phase-Aligned Frequency Decoupling Network for Multi-Process Manufacturing Quality Prediction [29.64140868907608]
  周波数分離時系列予測フレームワークであるPAF-Netを提案する。 周波数領域エネルギーで導かれる位相相関アライメント法による時間差品質系列の同期 離散コサイン変換(DCT)分解と組み合わせた周波数独立型パッチアテンション機構により不均一な操作特徴を捉える。 4つの実世界のデータセットの実験は、PAF-Netの優位性を示している。
  論文  参考訳（メタデータ） (2025-07-30T16:56:42Z)
• Fourier Basis Mapping: A Time-Frequency Learning Framework for Time Series Forecasting [25.304812011127257]
  本稿では,時間周波数空間におけるフーリエ基底展開とマッピングによる時間周波数特徴の統合手法を提案する。 本手法は時間的特性を保ちながら明確な周波数特徴を抽出する。 結果は、長期および短期の予測タスクにおいて、多様な実世界のデータセットで検証される。
  論文  参考訳（メタデータ） (2025-07-13T01:45:27Z)
• FlowTS: Time Series Generation via Rectified Flow [67.41208519939626]
  FlowTSは、確率空間における直線輸送を伴う整流フローを利用するODEベースのモデルである。 非条件設定では、FlowTSは最先端のパフォーマンスを達成し、コンテキストFIDスコアはStockとETThデータセットで0.019と0.011である。 条件設定では、太陽予測において優れた性能を達成している。
  論文  参考訳（メタデータ） (2024-11-12T03:03:23Z)

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。