English(EN) FedChronos: Federated Fine-Tuning of Time-Series Foundation Models for Privacy-Preserving Commodity Price Forecasting

FedChronos 实现了时间序列模型的隐私保护联邦微调

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-04 04:00

研究人员开发了 FedChronos，这是一个用于时间序列基础模型（TSFM）如 Chronos-T5 的联邦微调的新框架。该方法通过仅传输轻量级适配器权重，实现了在数据无法集中化的去中心化环境中的 TSFM 的适应。在印度商品价格数据上的实验表明，加入差分隐私噪声可以作为一种正则化器，将准确性比零样本性能提高 31%，并减少过拟合。 AI

影响该框架可以促进先进的时间序列预测模型在受监管或注重隐私的行业中得到更广泛的应用。

排序理由该集群描述了一篇关于时间序列模型联邦微调新颖框架的新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Amit Sharma, Nitin Auluck, Akramul Azim · 2026-08-04 04:00

FedChronos: Federated Fine-Tuning of Time-Series Foundation Models for Privacy-Preserving Commodity Price Forecasting

arXiv:2608.01290v1 Announce Type: new Abstract: Time-series foundation models (TSFMs) such as Chronos have demonstrated strong forecasting capabilities across domains, yet adapting them to institutionally fragmented settings, where data cannot be centralized due to regulatory, co…

报道来源 [1]

FedChronos: Federated Fine-Tuning of Time-Series Foundation Models for Privacy-Preserving Commodity Price Forecasting

相关实体

相关话题