要旨: 統計的な同時確率モデリングは、不規則な多変量時系列（IMTS）の予測において不確実性を正確に定量化するために不可欠である。既存の手法は多くの場合、モデルの表現力と一貫したマージナライゼーション（周辺化）の両立に苦戦し、その結果として信頼できない、あるいは矛盾した予測につながることが多い。これに対処するため、我々は確率回路（probabilistic circuits）に基づく確率的IMTS予測のための新しいアーキテクチャであるCircuITSを提案する。提案モデルは、時系列チャネル間の複雑な依存関係を捉える点で柔軟である一方、構造的に有効な同時分布を保証する。4つの実世界データセットでの実験により、CircuITSが最先端のベースラインと比較して、同時および周辺の密度推定において優れた性能を達成することを示す。
不規則な多変量時系列予測のための確率回路
arXiv cs.LG / 2026/5/1
📰 ニュースModels & Research
要点
- 本論文は、不規則な多変量時系列の予測において不確実性を正確に定量化することを目的とした、新しい確率回路ベースのアーキテクチャ「CircuITS」を提案しています。
- 従来手法が表現力と一貫した周辺化の両立に苦戦し、その結果として信頼できない、あるいは矛盾する予測につながりやすいという課題を扱っています。
- CircuITSは、時系列チャンネル間の複雑な依存関係を柔軟に捉えつつ、構造的に正しい同時確率分布を保証する設計です。
- 4つの実世界データセットでの実験により、既存の最先端ベースラインと比べて、同時および周辺の密度推定が優れていることが示されています。
