RNN からファウンデーションモデルへ：商業ビルエネルギー消費に関する実証的研究
データセットの異質性とモデルアーキテクチャは、ファインチューニングされたファウンデーションモデルが従来のモデルに匹敵する性能を示す一方で、時系列予測の性能に大きな影響を与える。
分散型エネルギー導入における階層的な時空間的不確実性定量化
本稿では、分散型エネルギー資源（DER）の導入に伴う時空間的な不確実性を、階層的な時空間モデルを用いて定量化する新しい手法を提案する。
分解ベースの時系列予測メソッドのためのハイブリッド損失フレームワーク：グローバルエラーとコンポーネントエラーのバランス
時系列データの分解に基づく従来の深層学習予測モデルは、全体的な損失を最適化する際に、重要なサブ系列の学習を十分に行えていない可能性があり、予測精度が制限される。本稿では、全体的な損失とコンポーネントごとの損失を組み合わせたハイブリッド損失フレームワークを提案し、モデルが重要なサブ系列に焦点を当てることで、全体的な損失を低く抑えながら、より優れた予測性能を達成できるようにする。
知識グラフで強化されたTransformerを用いた多変量長時間時系列予測
本稿では、従来のTransformerベースの時系列予測モデルに知識グラフ埋め込みを導入することで、変数間の複雑な関係を捉え、予測精度を向上させる手法を提案する。
予測最適化に基づく時系列予測による意思決定を強化するハイブリッド予測フレームワーク、FlowScope
FlowScopeは、ARIMA、SARIMA、ETS、LSTMモデルを組み合わせたハイブリッド予測フレームワークを通じて、従来の統計モデルとディープラーニングの長所を組み合わせることで、オンライン トラフィック予測の精度を向上させます。
検索拡張時系列予測：時系列基盤モデルにおける検索拡張生成の探求
本稿では、検索拡張生成（RAG）が時系列予測、特に時系列基盤モデル（TSFM）の精度向上に有効であることを示し、Retrieval Augmented Forecasting (RAF) フレームワークを提案する。
BreakGPT：大規模言語モデルを活用した資産価格急騰予測
BreakGPTは、大規模言語モデル（LLM）とTransformerベースのモデルの両方の機能を活用することで、特に金融市場における資産価格の急騰を予測するために設計された、新しいLLMアーキテクチャです。
階層型予測におけるローカルモデルとグローバルモデル：情報活用が予測精度に与える影響
階層型時系列予測において、グローバル予測モデル（GFM）は、従来のローカルモデルに比べて、予測精度と計算効率の両面で優れている。
分単位で実現する完全自動化された時系列予測：相関関係も考慮
本稿では、従来の手動設計や自動化された手法における課題を克服し、相関関係のある時系列データの予測を分単位で実現する、完全自動化かつ高効率なフレームワーク「FACTS」を提案する。
時系列予測の包括的な調査：アーキテクチャの多様化と未解決の課題
時系列予測は、従来の統計的手法や機械学習から、MLP、CNN、RNN、GNNなどのディープラーニングへと進化を遂げてきたが、近年ではTransformerを超えるシンプルな線形モデルが登場するなど、多様なアーキテクチャが台頭し、新たな時代を迎えている。
© 2024 by Linnk AI