論文の概要: PCD: Predictive Coding Dynamics for Irregularly Sampled Time Series

• arxiv url: http://arxiv.org/abs/2610.41506v1
• Date: Fri, 30 Oct 2026 09:58:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.676454
• Title: PCD: Predictive Coding Dynamics for Irregularly Sampled Time Series
• Title（参考訳）: PCD:不規則にサンプリングされた時系列の予測符号化ダイナミクス
• Abstract要約: 予測符号化ダイナミクス(PCD)は不規則連続力学モデルに対する残差フィードバック機構である。 PCDは以前の再構築を維持し、観察されたエントリを予測し、マスクされた署名された残基を状態認識に組み込む。
• 参考スコア（独自算出の注目度）: 6.1418227651109065
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Dynamic systems evolve continuously over time, whereas observations in real scenarios are often sparse, irregular, and asynchronous. Accurate prediction therefore requires inferring latent state evolution between observations, as future values depend on partially observed trajectories. We propose Predictive Coding Dynamics (PCD), a residual feedback mechanism for irregular continuous dynamic models. PCD maintains previous reconstructions, predicts observed entries from them, and incorporates masked signed residuals into state recognition through an energy penalty. The mechanism is implemented with ODE-RNN and Latent ODE, supporting event-based hidden updates and latent state recognition. Experiments on forecasting and trajectory recovery tasks show that PCD improves continuous dynamic backbones under sparse and irregular sampling. The results further indicate that predictive error feedback improves latent state estimation when observations constrain the current trajectory. These results suggest that PCD provides a residual feedback framework that jointly supports trajectory generation, observation consistency checking, and state refinement in continuous-time series modeling. The source code is available at https://anonymous.4open.science/r/PCD-for-paper-92F1/.
• Abstract（参考訳）: 動的システムは時間とともに継続的に進化するが、実際のシナリオでの観察は、しばしばスパースで不規則で非同期である。 したがって正確な予測では、将来の値は部分的に観測された軌道に依存するため、観測間での遅延状態の進化を推測する必要がある。 不規則連続力学モデルに対する残差フィードバック機構である予測符号化ダイナミクス(PCD)を提案する。 PCDは以前の再構築を維持し、それらから観測されたエントリを予測し、マスクされた署名された残基をエネルギーペナルティを通じて状態認識に組み込む。 このメカニズムはODE-RNNとLatent ODEで実装されており、イベントベースの隠れ更新と遅延状態認識をサポートする。 予測および軌道回復タスクの実験は、PCDがスパースおよび不規則サンプリングの下で連続的な動的バックボーンを改善することを示す。 さらに,予測誤差フィードバックは,現在の軌道を制約した場合の潜時状態推定を改善することを示す。 これらの結果から,PCDは連続時間系列モデリングにおけるトラジェクトリ生成,観測整合性チェック,状態改善を共同でサポートする残差フィードバックフレームワークを提供すると考えられる。 ソースコードはhttps://anonymous.4open.science/r/PCD-for-paper-92F1/で入手できる。

関連論文リスト

• Correct then Forecast: Observer State-Space Models for Time Series Forecasting [3.810388351528255]
  時系列予測のためのオブザーバ状態空間モデル(OSSM)を紹介する。 OSSMは測定同化から潜在状態の伝播を分離する。 また,OSSMは,対応するSSMベースラインと同じパラメータ数とトレーニング設定を維持しつつ,大幅な改善を実現していることを示す。
  論文  参考訳（メタデータ） (2026-09-27T13:40:42Z)
• Continuous-Time Trajectory Generation from Discrete Observations with Stochasticity [10.435660314952532]
  PhiBE-Flowは微分方程式(SDE)によって誘導される確率速度場を直接推定するフレームワークである PhiBE-Flowは、SDE係数もスコア推定も必要としないモデルフリーアプローチを用いて、離散的な観測から学習する。
  論文  参考訳（メタデータ） (2026-09-25T21:46:00Z)
• Observable Neural ODEs for Identifiable Causal Forecasting in Continuous Time [0.0]
  時間的介入を伴う潜時状態空間モデルでは、観測データから潜時力学の観測可能性が必要であることを示す。 因果予測のための観測可能な正規形のニューラル ODE (ObsNODEs) モデルを提案する。
  論文  参考訳（メタデータ） (2026-04-28T19:18:42Z)
• SSR: A Training-Free Approach for Streaming 3D Reconstruction [53.19807901585702]
  自己表現型シーケンス規則化(Self Expressive Sequence Regularization、SSR)は、推論中にグラスマン列の正則性を強制するプラグアンドプレイ演算子である。 本研究では,SSRが連続的にドリフトを低減し,複数のストリーミング3D再構成タスクにおける再構成品質を向上させることを示す。
  論文  参考訳（メタデータ） (2026-03-16T02:55:14Z)
• From Observations to States: Latent Time Series Forecasting [65.98504021691666]
  本稿では,TSFを観測回帰から潜時予測に移行する新しいパラダイムであるLatent Time Series Forecasting(LatentTSF)を提案する。 具体的には、LatentTSFはAutoEncoderを使用して、各段階での観測結果を高次元の潜在状態空間に投影する。 提案する潜伏目標は,予測潜伏状態と地道状態と観測値との相互情報を暗黙的に最大化する。
  論文  参考訳（メタデータ） (2026-01-30T20:39:44Z)
• A Poisson-Gamma Dynamic Factor Model with Time-Varying Transition Dynamics [51.147876395589925]
  非定常PGDSは、基礎となる遷移行列が時間とともに進化できるように提案されている。 後続シミュレーションを行うために, 完全共役かつ効率的なギブスサンプリング装置を開発した。 実験により,提案した非定常PGDSは,関連するモデルと比較して予測性能が向上することを示した。
  論文  参考訳（メタデータ） (2024-02-26T04:39:01Z)
• Uncovering the Missing Pattern: Unified Framework Towards Trajectory Imputation and Prediction [60.60223171143206]
  軌道予測は、観測されたシーケンスから実体運動や人間の行動を理解する上で重要な作業である。 現在の方法では、観測されたシーケンスが完了したと仮定し、欠落した値の可能性を無視する。 本稿では,グラフに基づく条件変動リカレントニューラルネットワーク (GC-VRNN) の統一フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-28T14:27:27Z)
• Neural Continuous-Discrete State Space Models for Irregularly-Sampled Time Series [18.885471782270375]
  NCDSSMは補助変数を用いて力学からの認識をアンタングルし、補助変数のみに償却推論を必要とする。 本稿では、潜在力学の3つのフレキシブルパラメータ化と、推論中の動的状態の辺りを生かした効率的な学習目標を提案する。 複数のベンチマークデータセットの実証結果は、既存のモデルよりもNCDSSMの計算性能と予測性能が改善されたことを示している。
  論文  参考訳（メタデータ） (2023-01-26T18:45:04Z)
• Stochastically forced ensemble dynamic mode decomposition for forecasting and analysis of near-periodic systems [65.44033635330604]
  本稿では,観測力学を強制線形系としてモデル化した新しい負荷予測手法を提案する。 固有線型力学の利用は、解釈可能性やパーシモニーの観点から、多くの望ましい性質を提供することを示す。 電力グリッドからの負荷データを用いたテストケースの結果が提示される。
  論文  参考訳（メタデータ） (2020-10-08T20:25:52Z)

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。