Buchumschlag

NuTime: Numerically Multi-Scaled Embedding for Large-Scale Time-Series Pretraining

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lin, Chenguo, Wen, Xumeng, Cao, Wei, Huang, Congrui, Bian, Jiang, Lin, Stephen, Wu, Zhirong
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Large Language Model as a Universal Clinical Multi-task Decoder
von: Wu, Yujiang, et al.
Veröffentlicht: (2024)

TimeDP: Learning to Generate Multi-Domain Time Series with Domain Prompts
von: Huang, Yu-Hao, et al.
Veröffentlicht: (2025)

Scalable In-Context Learning on Tabular Data via Retrieval-Augmented Large Language Models
von: Wen, Xumeng, et al.
Veröffentlicht: (2025)

Scalable Numerical Embeddings for Multivariate Time Series: Enhancing Healthcare Data Representation Learning
von: Huang, Chun-Kai, et al.
Veröffentlicht: (2024)

Output Scaling: YingLong-Delayed Chain of Thought in a Large Pretrained Time Series Forecasting Model
von: Wang, Xue, et al.
Veröffentlicht: (2025)

MillGNN: Learning Multi-Scale Lead-Lag Dependencies for Multi-Variate Time Series Forecasting
von: Wu, Binqing, et al.
Veröffentlicht: (2025)

MG-TSD: Multi-Granularity Time Series Diffusion Models with Guided Learning Process
von: Fan, Xinyao, et al.
Veröffentlicht: (2024)

Higher-order Cross-structural Embedding Model for Time Series Analysis
von: Lin, Guancen, et al.
Veröffentlicht: (2024)

TimeSeriesExamAgent: Creating Time Series Reasoning Benchmarks at Scale
von: Gwiazda, Malgorzata, et al.
Veröffentlicht: (2026)

When LLM Meets Time Series: Can LLMs Perform Multi-Step Time Series Reasoning and Inference
von: Ye, Wen, et al.
Veröffentlicht: (2025)

SDGF: Fusing Static and Multi-Scale Dynamic Correlations for Multivariate Time Series Forecasting
von: Wang, Shaoxun, et al.
Veröffentlicht: (2025)

DisMS-TS: Eliminating Redundant Multi-Scale Features for Time Series Classification
von: Liu, Zhipeng, et al.
Veröffentlicht: (2025)

MedFuse: Multiplicative Embedding Fusion For Irregular Clinical Time Series
von: Hsieh, Yi-Hsien, et al.
Veröffentlicht: (2025)

Rethinking Reward Models for Multi-Domain Test-Time Scaling
von: Lee, Dong Bok, et al.
Veröffentlicht: (2025)

SST: Multi-Scale Hybrid Mamba-Transformer Experts for Time Series Forecasting
von: Xu, Xiongxiao, et al.
Veröffentlicht: (2024)

Scaling Law for Time Series Forecasting
von: Shi, Jingzhe, et al.
Veröffentlicht: (2024)

Time-MoE: Billion-Scale Time Series Foundation Models with Mixture of Experts
von: Shi, Xiaoming, et al.
Veröffentlicht: (2024)

Exploring Scalability in Large-Scale Time Series in DeepVATS framework
von: Santamaria-Valenzuela, Inmaculada, et al.
Veröffentlicht: (2024)

A Multi-Scale Decomposition MLP-Mixer for Time Series Analysis
von: Zhong, Shuhan, et al.
Veröffentlicht: (2023)

DMSC: Dynamic Multi-Scale Coordination Framework for Time Series Forecasting
von: Yang, Haonan, et al.
Veröffentlicht: (2025)

Towards Neural Scaling Laws for Time Series Foundation Models
von: Yao, Qingren, et al.
Veröffentlicht: (2024)

Scaling LLM Test-Time Compute with Mobile NPU on Smartphones
von: Hao, Zixu, et al.
Veröffentlicht: (2025)

Timer-S1: A Billion-Scale Time Series Foundation Model with Serial Scaling
von: Liu, Yong, et al.
Veröffentlicht: (2026)

Large-Scale Network Embedding in Apache Spark
von: Lin, Wenqing
Veröffentlicht: (2021)

Toward Physics-guided Time Series Embedding
von: Hu, Jiaxi, et al.
Veröffentlicht: (2024)

Spatial Transcriptomics as Images for Large-Scale Pretraining
von: Zhu, Yishun, et al.
Veröffentlicht: (2026)

Towards Thinking-Optimal Scaling of Test-Time Compute for LLM Reasoning
von: Yang, Wenkai, et al.
Veröffentlicht: (2025)

Multi-Scale Dilated Convolution Network for Long-Term Time Series Forecasting
von: Li, Feifei, et al.
Veröffentlicht: (2024)

Beyond Model Scaling: Test-Time Intervention for Efficient Deep Reasoning
von: Wang, Qianyue, et al.
Veröffentlicht: (2026)

TMAS: Scaling Test-Time Compute via Multi-Agent Synergy
von: Wu, George, et al.
Veröffentlicht: (2026)

Timely Machine: Awareness of Time Makes Test-Time Scaling Agentic
von: Ma, Yichuan, et al.
Veröffentlicht: (2026)

Does Scaling Law Apply in Time Series Forecasting?
von: Li, Zeyan, et al.
Veröffentlicht: (2025)

Diversified Scaling Inference in Time Series Foundation Models
von: Hua, Ruijin, et al.
Veröffentlicht: (2026)

CoDiQ: Test-Time Scaling for Controllable Difficult Question Generation
von: Peng, Zhongyuan, et al.
Veröffentlicht: (2026)

ChatAD: Reasoning-Enhanced Time-Series Anomaly Detection with Multi-Turn Instruction Evolution
von: Sun, Hui, et al.
Veröffentlicht: (2026)

A Survey of Reasoning and Agentic Systems in Time Series with Large Language Models
von: Chang, Ching, et al.
Veröffentlicht: (2025)

Time-RA: Towards Time Series Reasoning for Anomaly Diagnosis with LLM Feedback
von: Yang, Yiyuan, et al.
Veröffentlicht: (2025)

S*: Test Time Scaling for Code Generation
von: Li, Dacheng, et al.
Veröffentlicht: (2025)

UTICA: Multi-Objective Self-Distllation Foundation Model Pretraining for Time Series Classification
von: Moakher, Yessin, et al.
Veröffentlicht: (2026)

DRFormer: Multi-Scale Transformer Utilizing Diverse Receptive Fields for Long Time-Series Forecasting
von: Ding, Ruixin, et al.
Veröffentlicht: (2024)