基于跨提示基石模型的黑盒时间序列域适应
机器学习
2025-10-02 v1 人工智能
摘要
黑盒域适应 (BBDA) 研究旨在解决隐私和安全问题，即仅可获取源模型的应用程序编程接口 (API) 而进行域适应。尽管该领域吸引了日益关注的研究注意力，但现有工作大多针对视觉应用，难直接适用于具有独特时空特征的时间序列应用。此外，现有方法尚未探讨基石模型在黑盒时间序列域适应 (BBTSDA) 中的潜在力量。本文提出了一种用于 BBTSDA 的跨提示基石模型 (CPFM) 概念。CPFMR 基于双分支网络结构构建，每个分支配备独特提示以捕获数据分布的不同特征。在域适应阶段，开发了在提示和输入水平上的重构学习。所有设计均基于时序基石模型，以克服时空动态特性。我们的严格实验表明，CPFMR 在三个不同应用领域的时间序列数据集上，以显著优于竞争方法的性能取得改进结果。
引用
@article{arxiv.2510.00487,
title = {Black-Box Time-Series Domain Adaptation via Cross-Prompt Foundation Models},
author = {M. T. Furqon and Mahardhika Pratama and Igor Skrjanc and Lin Liu and Habibullah Habibullah and Kutluyil Dogancay},
journal= {arXiv preprint arXiv:2510.00487},
year = {2025}
}