JANET: Joint Adaptive predictioN-region Estimation for Time-series
JANET：时间序列联合自适应预测区域估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接研究单变量和多变量时间序列的多步联合预测及误差控制，分类依据是时间序列预测方法，未限定宏观应用。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
JANET：时间序列联合自适应预测区域估计
- 研究问题
- 时间序列难以满足交换性且需要多步预测时，如何为单变量和多变量序列构造具有联合误差控制的预测区域？
- 方法与思路
- 作者提出 JANET，推广归纳式共形预测框架，构造多个未来时点的联合预测区域，并以 K 家族错误率控制适应应用需求。
- 材料陈述的贡献
- 摘要称框架适用于单变量和多变量时间序列，可高效生成联合预测区域，并在多种数据集的多步预测中展示比较优势。
- 阅读关注点
- 应核对替代交换性的依赖条件、K 家族错误率的定义，以及联合区域校准、预测跨度和区域大小之间的关系。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明有效性条件及覆盖保证的形式，不能视为任意依赖下均有效。
原文摘要
Conformal prediction provides machine learning models with prediction sets that offer theoretical guarantees, but the underlying assumption of exchangeability limits its applicability to time series data. Furthermore, existing approaches struggle to handle multi-step ahead prediction tasks, where uncertainty estimates across multiple future time points are crucial. We propose JANET (Joint Adaptive predictioN-region Estimation for Time-series), a novel framework for constructing conformal prediction regions that are valid for both univariate and multivariate time series. JANET generalises the inductive conformal framework and efficiently produces joint prediction regions with controlled K-familywise error rates, enabling flexible adaptation to specific application needs. Our empirical evaluation demonstrates JANET's superior performance in multi-step prediction tasks across diverse time series datasets, highlighting its potential for reliable and interpretable uncertainty quantification in sequential data.