Buchumschlag

Simple Contrastive Representation Learning for Time Series Forecasting

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zheng, Xiaochen, Chen, Xingyu, Schürch, Manuel, Mollaysa, Amina, Allam, Ahmed, Krauthammer, Michael
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Two-Stage Aggregation with Dynamic Local Attention for Irregular Time Series
von: Chen, Xingyu, et al.
Veröffentlicht: (2023)

TAMER: A Test-Time Adaptive MoE-Driven Framework for EHR Representation Learning
von: Zhu, Yinghao, et al.
Veröffentlicht: (2025)

Clustering of Disease Trajectories with Explainable Machine Learning: A Case Study on Postoperative Delirium Phenotypes
von: Zheng, Xiaochen, et al.
Veröffentlicht: (2024)

Rethinking Molecular Design: Integrating Latent Variable and Auto-Regressive Models for Goal Directed Generation
von: Arthur-Loui, Heath, et al.
Veröffentlicht: (2024)

DDoS: A Graph Neural Network based Drug Synergy Prediction Algorithm
von: Schwarz, Kyriakos, et al.
Veröffentlicht: (2022)

Modeling Complex Disease Trajectories using Deep Generative Models with Semi-Supervised Latent Processes
von: Trottet, Cécile, et al.
Veröffentlicht: (2023)

Learning Personalized Treatment Decisions in Precision Medicine: Disentangling Treatment Assignment Bias in Counterfactual Outcome Prediction and Biomarker Identification
von: Vollenweider, Michael, et al.
Veröffentlicht: (2024)

A Variational Perspective on Generative Protein Fitness Optimization
von: Bogensperger, Lea, et al.
Veröffentlicht: (2025)

Towards AI-Based Precision Oncology: A Machine Learning Framework for Personalized Counterfactual Treatment Suggestions based on Multi-Omics Data
von: Schürch, Manuel, et al.
Veröffentlicht: (2024)

Disentangled Mode-Specific Representations for Tensor Time Series via Contrastive Learning
von: Obata, Kohei, et al.
Veröffentlicht: (2026)

TRIDENT: Tri-Modal Molecular Representation Learning with Taxonomic Annotations and Local Correspondence
von: Jiang, Feng, et al.
Veröffentlicht: (2025)

Repurposing Protein Language Models for Latent Flow-Based Fitness Optimization
von: Arroyo, Amaru Caceres, et al.
Veröffentlicht: (2026)

Semi-Supervised Generative Models for Disease Trajectories: A Case Study on Systemic Sclerosis
von: Trottet, Cécile, et al.
Veröffentlicht: (2024)

Contrastive Time Series Forecasting with Anomalies
von: Ekstrand, Joel, et al.
Veröffentlicht: (2025)

BioLangFusion: Multimodal Fusion of DNA, mRNA, and Protein Language Models
von: Mollaysa, Amina, et al.
Veröffentlicht: (2025)

Parametric Augmentation for Time Series Contrastive Learning
von: Zheng, Xu, et al.
Veröffentlicht: (2024)

Beyond All-to-All: Causal-Aligned Transformer with Dynamic Structure Learning for Multivariate Time Series Forecasting
von: Zhang, Xingyu, et al.
Veröffentlicht: (2025)

Weighted Contrastive Learning for Anomaly-Aware Time-Series Forecasting
von: Ekstrand, Joel, et al.
Veröffentlicht: (2025)

Forecasting Automotive Supply Chain Shortfalls with Heterogeneous Time Series
von: Do, Bach Viet, et al.
Veröffentlicht: (2024)

Contrast All the Time: Learning Time Series Representation from Temporal Consistency
von: Shamba, Abdul-Kazeem, et al.
Veröffentlicht: (2024)

Forecasting with Guidance: Representation-Level Supervision for Time Series Forecasting
von: Wang, Jiacheng, et al.
Veröffentlicht: (2026)

AverageTime: Enhance Long-Term Time Series Forecasting with Simple Averaging
von: Zhao, Gaoxiang, et al.
Veröffentlicht: (2024)

Channel-aware Contrastive Conditional Diffusion for Multivariate Probabilistic Time Series Forecasting
von: Li, Siyang, et al.
Veröffentlicht: (2024)

TimeCSL: Unsupervised Contrastive Learning of General Shapelets for Explorable Time Series Analysis
von: Liang, Zhiyu, et al.
Veröffentlicht: (2024)

Distillation Enhanced Time Series Forecasting Network with Momentum Contrastive Learning
von: Gao, Haozhi, et al.
Veröffentlicht: (2024)

A Multi-scale Representation Learning Framework for Long-Term Time Series Forecasting
von: Gao, Boshi, et al.
Veröffentlicht: (2025)

Time Series Representation Learning with Supervised Contrastive Temporal Transformer
von: Liu, Yuansan, et al.
Veröffentlicht: (2024)

Test Time Learning for Time Series Forecasting
von: Christou, Panayiotis, et al.
Veröffentlicht: (2024)

Closing the Loop: A Control-Theoretic Framework for Provably Stable Time Series Forecasting with LLMs
von: Zhang, Xingyu, et al.
Veröffentlicht: (2026)

GRAM-DTI: adaptive multimodal representation learning for drug target interaction prediction
von: Jiang, Feng, et al.
Veröffentlicht: (2025)

Learning Recursive Multi-Scale Representations for Irregular Multivariate Time Series Forecasting
von: Li, Boyuan, et al.
Veröffentlicht: (2026)

Rethinking Irregular Time Series Forecasting: A Simple yet Effective Baseline
von: Liu, Xvyuan, et al.
Veröffentlicht: (2025)

Three-Stage Learning Unlocks Strong Performance in Simple Models for Long-Term Time Series Forecasting
von: Yu, Zhenan, et al.
Veröffentlicht: (2026)

Attention as Robust Representation for Time Series Forecasting
von: Niu, PeiSong, et al.
Veröffentlicht: (2024)

TSI: A Multi-View Representation Learning Approach for Time Series Forecasting
von: Gao, Wentao, et al.
Veröffentlicht: (2024)

Not All Frequencies Are Created Equal:Towards a Dynamic Fusion of Frequencies in Time-Series Forecasting
von: Zhang, Xingyu, et al.
Veröffentlicht: (2024)

Multi-Modal Contrastive Learning for Online Clinical Time-Series Applications
von: Baldenweg, Fabian, et al.
Veröffentlicht: (2024)

AimTS: Augmented Series and Image Contrastive Learning for Time Series Classification
von: Chen, Yuxuan, et al.
Veröffentlicht: (2025)

Simple Feedfoward Neural Networks are Almost All You Need for Time Series Forecasting
von: Sun, Fan-Keng, et al.
Veröffentlicht: (2025)

MobiCLR: Mobility Time Series Contrastive Learning for Urban Region Representations
von: Kim, Namwoo, et al.
Veröffentlicht: (2025)