ランダム制御微分方程式による時系列学習

この論文は、ランダム特徴の効率性と制御微分方程式（CDE）の表現力を組み合わせた、時系列学習のための新しいフレームワークを提案しています。ランダム特徴の使用により、トレーニング効率の高いモデルが可能になり、CDEは複雑な時間的依存関係を捉えるための連続時間リザーバーを提供します。この論文の貢献は、2つのバリアント（RF-CDEとR-RDE）を提案し、それらのカーネル法とパスシグネチャ理論との理論的関連性を示している点にあります。さまざまな時系列ベンチマークでの経験的評価は、提案されたアプローチの実用的な有用性をさらに検証しています。

• •ランダム特徴とCDEを使用した、時系列学習のためのトレーニング効率の高いフレームワークを導入。
• •RF-CDE（ランダムフーリエCDE）とR-RDE（ランダムラフDE）の2つのバリアントを提案。
• •カーネル法とパスシグネチャ理論との理論的関連性を確立。
• •時系列ベンチマークで競争力のある、または最先端のパフォーマンスを実証。