学生版 社会人版
JA EN
体系 › AI

時系列データ系

RNN/LSTMから時系列基盤モデルまで

01 ·時系列データ系·無料·13分で読めます RNNとLSTMを1から理解する — Transformer時代になぜ学ぶのか 系列を「状態を持って1つずつ読む」という発想から出発し、同じ行列を何度も掛けることがなぜ勾配を消すのか、LSTMの3つのゲートが何を解いたのかを式と動く図で追います。Transformerに置き換わった理由と、それでもこの再帰の考え方が生き残る場所まで。 02 ·時系列データ系·★ 会員·12分で読めます 時系列予測を1から解説 — 古典手法から基盤モデルまで 時系列予測が普通の回帰と決定的に違うのは、行が独立でないことと、テストが必ず未来側にあることです。自己相関と定常性から入り、ARIMAの直感、季節とトレンドの分解、深層モデルと時系列基盤モデルの位置づけまで。最後に、実務で最も事故が多い「評価」——ランダム分割の禁止、バックテストの作法、MAPEの罠を厚く扱います。 03 ·時系列データ系·★ 会員·論文·13分で読めます 時系列にTransformerは効くのか — 論争と実務の答え Are Transformers Effective for Time Series Forecasting? 1層の線形モデルが当時の時系列Transformer群を上回った2022年の論争から、パッチ化で反撃したPatchTST、軸を転置したiTransformerまで。原因は注意機構ではなくトークンの切り方でした。それでも実務のコンペを勾配ブースティングが取り続ける理由も、データの形の違いから説明します。 04 ·時系列データ系·★ 会員·論文·13分で読めます 時系列異常検知 — 監視の現場で動いている数学 Bayesian Online Changepoint Detection 監視のアラートは、値の大きさではなく「その時刻に期待される値とのずれ」で鳴らすべきです。ロバストな統計量・予測残差・部分列の近傍距離・変化点検出という4つの物差しを比喩から式まで積み上げ、実務で最も事故が多い閾値の決め方と評価の罠まで扱います。 05 ·時系列データ系·★ 会員·論文·18分で読めます 論文解説 H3-World — 言語理解を「世界の操作」に変える H3-World: Turning Language Understanding into World Control 33Bの動画生成モデルを、専用のアクション機構を足さずに「操作できる世界モデル」へ変える手法。行動を文に変換し、動画潜在の時間区間に結びつけ、注意のルーティングで混線を止める。動かすのは全パラメータの0.199%だけ。