כתבה
arXiv cs.LG ·
Cadence: דחיסה מוגבלת שגיאה לסדרות זמן
Cadence: Error-Bounded Lossy Compression of Demand Time Series with a Time-Series Foundation Model
Cadence היא שיטה לדחיסה מוגבלת שגיאה לסדרות זמן, המשתמשת במודל TimesFM-3. היא מאפשרת דחיסה טובה יותר מאשר שיטות קלאסיות, ומבטיחה שגיאה מרבית. השיטה נבדקה על סדרות זמן שונות והראתה תוצאות טובות.
תקציר מקורי באנגליתarXiv:2609.06008v1 Announce Type: cross Abstract: We present Cadence, an error-bounded lossy compressor for numeric time series pairing a 330M-parameter time-series foundation model (Google TimesFM-3) with an adaptive arithmetic coder, guaranteeing $|\hat{x}_t-x_t|\le\tau$ on every sample. One negative result constrains the design space: for lossless coding a foundation model is worth nothing, because bits saved are logarithmic in predictor accuracy, $\Delta b=\log_2(\mathrm{MAE_{old}}/\mathrm{MAE_{new}})$. So the $1.51\times$ advantage TimesFM-3 holds over a 32-tap linear predictor buys 0.60 bits of 20.28, a median gain of +0.03%. Error-bounded coding escapes this at one point: once a forecast lands inside the band the residual index is zero and the sample nearly free. Cadence contributes
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית