Buchumschlag

Enhancing Algorithm Performance Understanding through tsMorph: Generating Semi-Synthetic Time Series for Robust Forecasting Evaluation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Santos, Moisés, de Carvalho, André, Soares, Carlos
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

Generating Large Semi-Synthetic Graphs of Any Size
von: Tuna, Rodrigo, et al.
Veröffentlicht: (2025)

RHiOTS: A Framework for Evaluating Hierarchical Time Series Forecasting Algorithms
von: Roque, Luis, et al.
Veröffentlicht: (2024)

Exploring Transformer Placement in Variational Autoencoders for Tabular Data Generation
von: Silva, Aníbal, et al.
Veröffentlicht: (2026)

STEB: In Search of the Best Evaluation Approach for Synthetic Time Series
von: Stenger, Michael, et al.
Veröffentlicht: (2025)

Performative Time-Series Forecasting
von: Zhao, Zhiyuan, et al.
Veröffentlicht: (2023)

ChatTS: Aligning Time Series with LLMs via Synthetic Data for Enhanced Understanding and Reasoning
von: Xie, Zhe, et al.
Veröffentlicht: (2024)

TimePFN: Effective Multivariate Time Series Forecasting with Synthetic Data
von: Taga, Ege Onur, et al.
Veröffentlicht: (2025)

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

SynMorph: Generating Synthetic Face Morphing Dataset with Mated Samples
von: Zhang, Haoyu, et al.
Veröffentlicht: (2024)

SEA-TS: Self-Evolving Agent for Autonomous Code Generation of Time Series Forecasting Algorithms
von: Xu, Longkun, et al.
Veröffentlicht: (2026)

Decomposing the Time Series Forecasting Pipeline: A Modular Approach for Time Series Representation, Information Extraction, and Projection
von: Leppich, Robert, et al.
Veröffentlicht: (2025)

Semi-Periodic Activation for Time Series Classification
von: Júnior, José Gilberto Barbosa de Medeiros, et al.
Veröffentlicht: (2024)

Sequential Order-Robust Mamba for Time Series Forecasting
von: Lee, Seunghan, et al.
Veröffentlicht: (2024)

VARMA-Enhanced Transformer for Time Series Forecasting
von: Song, Jiajun, et al.
Veröffentlicht: (2025)

Understanding Token-level Topological Structures in Transformer-based Time Series Forecasting
von: Zhang, Jianqi, et al.
Veröffentlicht: (2024)

A Decomposable Forward Process in Diffusion Models for Time-Series Forecasting
von: Caldas, Francisco, et al.
Veröffentlicht: (2026)

Enabling Granular Subgroup Level Model Evaluations by Generating Synthetic Medical Time Series
von: Ibrahim, Mahmoud, et al.
Veröffentlicht: (2025)

Training and Evaluating Causal Forecasting Models for Time-Series
von: Crasson, Thomas, et al.
Veröffentlicht: (2024)

Synthetic Series-Symbol Data Generation for Time Series Foundation Models
von: Wang, Wenxuan, et al.
Veröffentlicht: (2025)

CATS: Enhancing Multivariate Time Series Forecasting by Constructing Auxiliary Time Series as Exogenous Variables
von: Lu, Jiecheng, et al.
Veröffentlicht: (2024)

IdealTSF: Can Non-Ideal Data Contribute to Enhancing the Performance of Time Series Forecasting Models?
von: Wang, Hua, et al.
Veröffentlicht: (2025)

Small but Mighty: Enhancing Time Series Forecasting with Lightweight LLMs
von: Fan, Haoran, et al.
Veröffentlicht: (2025)

Enhancing Time Series Forecasting via Logic-Inspired Regularization
von: Zhang, Jianqi, et al.
Veröffentlicht: (2025)

Enhancing Multivariate Time Series Forecasting with Global Temporal Retrieval
von: Cao, Fanpu, et al.
Veröffentlicht: (2026)

TimeRAG: BOOSTING LLM Time Series Forecasting via Retrieval-Augmented Generation
von: Yang, Silin, et al.
Veröffentlicht: (2024)

TempoPFN: Synthetic Pre-training of Linear RNNs for Zero-shot Time Series Forecasting
von: Moroshan, Vladyslav, et al.
Veröffentlicht: (2025)

Does Synthetic Data Help? Empirical Evidence from Deep Learning Time Series Forecasters
von: Cazaux, Hugo, et al.
Veröffentlicht: (2026)

Enhancing Indoor Temperature Forecasting through Synthetic Data in Low-Data Environments
von: Thiry, Zachari, et al.
Veröffentlicht: (2024)

TimePerceiver: An Encoder-Decoder Framework for Generalized Time-Series Forecasting
von: Lee, Jaebin, et al.
Veröffentlicht: (2025)

FinForge: Semi-Synthetic Financial Benchmark Generation
von: Matlin, Glenn, et al.
Veröffentlicht: (2026)

Evaluating Simplification Algorithms for Interpretability of Time Series Classification
von: Håvardstun, Brigt, et al.
Veröffentlicht: (2025)

The Performance of the LSTM-based Code Generated by Large Language Models (LLMs) in Forecasting Time Series Data
von: Gopali, Saroj, et al.
Veröffentlicht: (2024)

Enhancing LLMs for Time Series Forecasting via Structure-Guided Cross-Modal Alignment
von: Sun, Siming, et al.
Veröffentlicht: (2025)

TSFeatLIME: An Online User Study in Enhancing Explainability in Univariate Time Series Forecasting
von: Ma, Hongnan, et al.
Veröffentlicht: (2024)

CSformer: Combining Channel Independence and Mixing for Robust Multivariate Time Series Forecasting
von: Wang, Haoxin, et al.
Veröffentlicht: (2023)

Time Series Forecastability Measures
von: Wang, Rui, et al.
Veröffentlicht: (2025)

Ellipsoidal Time Series Forecasting
von: Wang, Qilin
Veröffentlicht: (2025)

Optimizing the Training Diet: Data Mixture Search for Robust Time Series Forecasting
von: Pennino, Federico, et al.
Veröffentlicht: (2025)

FPN-fusion: Enhanced Linear Complexity Time Series Forecasting Model
von: Li, Chu, et al.
Veröffentlicht: (2024)

FreEformer: Frequency Enhanced Transformer for Multivariate Time Series Forecasting
von: Yue, Wenzhen, et al.
Veröffentlicht: (2025)