Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

Long Input Sequence Network for Long Time Series Forecasting

Created by
  • Haebom

作者

Chao Ma, Yikai Hou, Xiang Li, Yinggang Sun, Haining Yu

概要

本論文は,長期時系列予測における固定長入力の限界を解決する新しい方法を提示した。従来のディープラーニングモデルは、入力長が長くなるにつれて過適合により精度が急激に低下するという問題があり、これは時系列のマルチスケールパターン結合とモデルの固定集中スケールによるものであると主張しています。本研究は、時系列の様々なスケールで現れるパターンが複数の周期的特性を反映し、各スケールが特定の周期長に対応することを見出した。また、トークンサイズがモデルの動作を決定し、モデルが集中するスケールと収容できるコンテキストサイズを決定することを明らかにしました。したがって、時系列のマルチスケール時間パターンを分離し、各パターンを対応する周期長をトークンサイズとしてモデル化する新しい方法を提案します。このために、時系列分解モジュール（MPSD）とマルチトークンパターン認識ニューラルネットワーク（MTPR）を導入し、最大10倍長い入力を処理し、性能を最大38％向上させながら、計算複雑度は0.22倍に低減し、解析力を高めました。

Takeaways、Limitations

•
Takeaways:
◦
長期時系列予測における固定長入力の限界を克服する新しい方法の提示
◦
入力長を最大10倍まで延ばすことができます。
◦
精度を最大38％向上させます。
◦
計算の複雑さを0.22倍に減らします。
◦
モデルの解析力向上
•
Limitations:
◦
提示された方法の一般性と様々な時系列データへの適用性に関するさらなる研究の必要性
◦
特定の種類の時系列データに対してのみ有効であることを検証する必要があります。
◦
MPSDおよびMTPRモジュールの具体的な設計およびパラメータ設定の詳細な説明の欠如。
👍
Made with Slashpage