不均一チャネルによる時系列の少数ショット予測【JST・京大機械翻訳】

Brinkmeyer Lukas; Drumond Rafael Rego; Burchert Johannes; Schmidt-Thieme Lars

プレプリント

J-GLOBAL ID：202202216781346710 整理番号：22P0327878

不均一チャネルによる時系列の少数ショット予測【JST・京大機械翻訳】

Few-Shot Forecasting of Time-Series with Heterogeneous Channels

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年04月07日プレプリントサーバーでの情報更新日： 2022年08月18日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

学習複合時系列予測モデルは通常,各タスク/データセットのスクラッチから訓練されるため,大量のデータを必要とする。類似したデータセットによる学習経験は,少数ショット分類と呼ばれる分類問題のための確立された技術である。しかし,i)多変量時系列データセットが異なるチャネルを持ち,ii)予測が主に分類と異なるので,既存の手法は時系列予測に適用できない。本論文では,初めて不均一チャネルを持つ時系列の少数ショット予測の問題を定式化した。ベクトルデータにおける不均一属性に関する最近の研究を拡張し,時間的埋込みを組み込んだ置換不変の深い集合ブロックから成るモデルを開発した。40の多変量時系列データセットの最初のメタデータセットを組み立てて,著者らのモデルが良好な一般化を提供し,タスクを学習するのに失敗するか,または時間的情報を誤っても,より単純なシナリオから実行されるベースラインを凌駕することを示した。【JST・京大機械翻訳】

, , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

人工知能

, , , ,

前のページに戻る