PulseAugur
中
实时 10:41:22
English(EN) MM-ISTS: Cooperating Irregularly Sampled Time Series Forecasting with Multimodal Vision-Text LLMs

新的MM-ISTS框架使用多模态大语言模型进行不规则时间序列预测

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了MM-ISTS，一个旨在改进不规则采样时间序列数据预测的新框架。该方法集成了多模态视觉-文本大语言模型（MLLMs），以捕捉比传统方法更丰富的上下文语义和时间模式。该框架包括一个两阶段编码机制、一个跨模态视觉-文本编码器和一个自适应查询式特征提取器，以在保留知识的同时管理计算成本。在真实世界数据上的实验表明，MM-ISTS在处理异步观测和多样化变量方面非常有效。 AI

影响 通过集成多模态大语言模型，增强了对复杂、真实世界时间序列数据的预测能力。

排序理由 该集群包含一篇研究论文，详细介绍了使用多模态大语言模型进行时间序列预测的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

新的MM-ISTS框架使用多模态大语言模型进行不规则时间序列预测

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Zhi Lei, Chenxi Liu, Hao Miao, Wanghui Qiu, Bin Yang, Chenjuan Guo ·

    MM-ISTS：利用多模态视觉-文本大语言模型进行不规则采样时间序列的协同预测

    arXiv:2603.05997v2 Announce Type: replace-cross Abstract: Irregularly sampled time series (ISTS) are widespread in real-world scenarios, exhibiting asynchronous observations on uneven time intervals across diverse variables. Existing ISTS forecasting methods often solely utilize …

相关实体

相关话题