Un Framework Online Modella le Serie Temporali come Miscele Dinamiche di Sistemi a Ritardo
Un innovativo framework online concettualizza le serie temporali in streaming come miscele in evoluzione di sistemi a ritardo, affrontando problemi nella modellazione adattiva. Questo approccio migliora la robustezza del tracciamento del modello riducendo al minimo il consumo di memoria, condensando i regimi precedenti in una rappresentazione a lunghezza fissa che racchiude le dinamiche del sistema e i ritardi input-output. Utilizzando la serie di parametri di Markov del sistema, crea un tensore di sistema riassuntivo che riflette sia il comportamento dinamico che le caratteristiche di ritardo. Questa ricerca è stata resa disponibile su arXiv con ID 2605.26191.
Fatti principali
- La ricerca affronta la modellazione adattiva in flussi di dati di serie temporali con chiare relazioni input-output.
- Cambiamenti rapidi del sistema (cambi di regime) causati da fattori ambientali o variazioni del ritardo di input degradano le prestazioni del modello.
- Il compromesso tra accuratezza, robustezza e utilizzo della memoria emerge quando si utilizzano più modelli piccoli per ogni pattern di serie temporali.
- Il framework tratta le serie temporali in streaming come miscele dinamiche di sistemi a ritardo.
- Mantiene la robustezza del tracciamento del modello e riduce l'utilizzo della memoria.
- I regimi passati vengono riassunti utilizzando una rappresentazione a lunghezza fissa che cattura le dinamiche del sistema e i ritardi input-output.
- Un tensore di sistema riassuntivo viene costruito utilizzando la serie di parametri di Markov del sistema.
- L'articolo è disponibile su arXiv con ID 2605.26191.
Entità
Istituzioni
- arXiv