מושגי ליבה
時系列分析における基礎モデルの重要性と将来への展望を提供する包括的な調査。
תקציר
時系列分析はデータマイニングコミュニティで重要な位置を占めており、実世界のさまざまなアプリケーションに不可欠な洞察を抽出する。
基礎モデル(FMs)の最近の進歩は、時系列分析用のモデル設計パラダイムを根本的に変え、実践でさまざまな下流タスクを向上させている。
この調査では、FMsに焦点を当て、時系列分析に関連する最新の進歩を総合し、その理論的基盤や将来の研究探求への道筋を強調している。
導入
時系列データは順序付けられたデータポイントから構成され、多様なシステムやプロセスのダイナミクスに関する貴重な情報を含んでいる。
深層学習技術の進歩が時系列分析分野を革新し、自動的に生データから包括的表現を学習し、手動特徴量エンジニアリングが不要となることで従来手法よりも優れた性能向上が可能となっている。
データカテゴリー
標準時系列
空間時系列
メソッドカテゴリー
Transformer-based Models(トランスフォーマーベース)
Non-Transformer-based Models(非トランスフォーマーベース)
Diffusion-based Models(拡散ベース)
未来方向性
複数モダリティを組み込んだTSFMへの取り組み。
より効率的なアーキテクチャ探索。
効果的なパイプライン開発。
プライバシー保護技術の発展。
סטטיסטיקה
「Liang, et al.」は2024年にChronos: Learning the Language of Time Seriesについて述べています。
「Bi, et al.」は2023年にAccurate medium-range global weather forecasting with 3D neural networksについて述べています。
「Cao, et al.」は2023年にTEMPO: Prompt-based Generative Pre-trained Transformer for Time Series Forecastingについて述べています。
ציטוטים
"Time series analysis stands as a focal point within the data mining community."
"Recent advancements in Foundation Models (FMs) have fundamentally reshaped the paradigm of model design for time series analysis."