Buchumschlag

Large Language Model Guided Knowledge Distillation for Time Series Anomaly Detection

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Chen, He, Shibo, Zhou, Qihang, Li, Shizhong, Meng, Wenchao
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

TreeMIL: A Multi-instance Learning Framework for Time Series Anomaly Detection with Inexact Supervision
von: Liu, Chen, et al.
Veröffentlicht: (2024)

Label-Free Multivariate Time Series Anomaly Detection
von: Zhou, Qihang, et al.
Veröffentlicht: (2023)

FairDD: Fair Dataset Distillation
von: Zhou, Qihang, et al.
Veröffentlicht: (2024)

Synergizing Large Language Models and Task-specific Models for Time Series Anomaly Detection
von: Chen, Feiyi, et al.
Veröffentlicht: (2025)

TimeCAP: Learning to Contextualize, Augment, and Predict Time Series Events with Large Language Model Agents
von: Lee, Geon, et al.
Veröffentlicht: (2025)

Towards Foundation Models for Zero-Shot Time Series Anomaly Detection: Leveraging Synthetic Data and Relative Context Discrepancy
von: Lan, Tian, et al.
Veröffentlicht: (2025)

CausalTAD: Injecting Causal Knowledge into Large Language Models for Tabular Anomaly Detection
von: Wang, Ruiqi, et al.
Veröffentlicht: (2026)

IMPACT: Influence Modeling for Open-Set Time Series Anomaly Detection
von: Zhou, Xiaohui, et al.
Veröffentlicht: (2026)

From Chaos to Clarity: Time Series Anomaly Detection in Astronomical Observations
von: Hao, Xinli, et al.
Veröffentlicht: (2024)

InfuserKI: Enhancing Large Language Models with Knowledge Graphs via Infuser-Guided Knowledge Integration
von: Wang, Fali, et al.
Veröffentlicht: (2024)

Harnessing Vision-Language Models for Time Series Anomaly Detection
von: He, Zelin, et al.
Veröffentlicht: (2025)

Anomaly Detection and Generation with Diffusion Models: A Survey
von: Liu, Yang, et al.
Veröffentlicht: (2025)

Bridging Classification and Reconstruction: Cooperative Time Series Anomaly Detection
von: Tang, Qideng, et al.
Veröffentlicht: (2026)

A Dual-Space Framework for General Knowledge Distillation of Large Language Models
von: Zhang, Xue, et al.
Veröffentlicht: (2025)

mTSBench: Benchmarking Multivariate Time Series Anomaly Detection and Model Selection at Scale
von: Zhou, Xiaona, et al.
Veröffentlicht: (2025)

T-LLM: Teaching Large Language Models to Forecast Time Series via Temporal Distillation
von: Guo, Suhan, et al.
Veröffentlicht: (2026)

Curriculum Learning-Guided Progressive Distillation in Large Language Models
von: Cao, Jincheng, et al.
Veröffentlicht: (2026)

A Problem-Oriented Taxonomy of Evaluation Metrics for Time Series Anomaly Detection
von: Yang, Kaixiang, et al.
Veröffentlicht: (2025)

Adaptive Conformal Anomaly Detection with Time Series Foundation Models for Signal Monitoring
von: Gil, Natalia Martinez, et al.
Veröffentlicht: (2026)

ScatterAD: Temporal-Topological Scattering Mechanism for Time Series Anomaly Detection
von: Yin, Tao, et al.
Veröffentlicht: (2025)

Time Series Foundational Models: Their Role in Anomaly Detection and Prediction
von: Shyalika, Chathurangi, et al.
Veröffentlicht: (2024)

Self-Supervised Spatial-Temporal Normality Learning for Time Series Anomaly Detection
von: Chen, Yutong, et al.
Veröffentlicht: (2024)

Distilling Time Series Foundation Models for Efficient Forecasting
von: Li, Yuqi, et al.
Veröffentlicht: (2026)

TriP-LLM: A Tri-Branch Patch-wise Large Language Model Framework for Time-Series Anomaly Detection
von: Yu, Yuan-Cheng, et al.
Veröffentlicht: (2025)

Labels Matter More Than Models: Rethinking the Unsupervised Paradigm in Time Series Anomaly Detection
von: Zhong, Zhijie, et al.
Veröffentlicht: (2025)

KDSelector: A Knowledge-Enhanced and Data-Efficient Model Selector Learning Framework for Time Series Anomaly Detection
von: Liang, Zhiyu, et al.
Veröffentlicht: (2025)

Angel or Devil: Discriminating Hard Samples and Anomaly Contaminations for Unsupervised Time Series Anomaly Detection
von: Zhang, Ruyi, et al.
Veröffentlicht: (2024)

TimeOmni-1: Incentivizing Complex Reasoning with Time Series in Large Language Models
von: Guan, Tong, et al.
Veröffentlicht: (2025)

MTAD: Tools and Benchmarks for Multivariate Time Series Anomaly Detection
von: Liu, Jinyang, et al.
Veröffentlicht: (2024)

An Improved Time Series Anomaly Detection by Applying Structural Similarity
von: Wang, Tiejun, et al.
Veröffentlicht: (2025)

RATFM: Retrieval-augmented Time Series Foundation Model for Anomaly Detection
von: Maru, Chihiro, et al.
Veröffentlicht: (2025)

Leveraging Intermediate Representations of Time Series Foundation Models for Anomaly Detection
von: Han, Chan Sik, et al.
Veröffentlicht: (2025)

Joint Selective State Space Model and Detrending for Robust Time Series Anomaly Detection
von: Chen, Junqi, et al.
Veröffentlicht: (2024)

Considering Nonstationary within Multivariate Time Series with Variational Hierarchical Transformer for Forecasting
von: Wang, Muyao, et al.
Veröffentlicht: (2024)

TSINR: Capturing Temporal Continuity via Implicit Neural Representations for Time Series Anomaly Detection
von: Li, Mengxuan, et al.
Veröffentlicht: (2024)

Harnessing Contrastive Learning and Neural Transformation for Time Series Anomaly Detection
von: Chen, Katrina, et al.
Veröffentlicht: (2023)

AnomalyLLM: Few-shot Anomaly Edge Detection for Dynamic Graphs using Large Language Models
von: Liu, Shuo, et al.
Veröffentlicht: (2024)

SMKC: Sketch Based Kernel Correlation Images for Variable Cardinality Time Series Anomaly Detection
von: Zhou, Haokun
Veröffentlicht: (2026)

A Time Series Multitask Framework Integrating a Large Language Model, Pre-Trained Time Series Model, and Knowledge Graph
von: Hao, Shule, et al.
Veröffentlicht: (2025)

Multi-Modal View Enhanced Large Vision Models for Long-Term Time Series Forecasting
von: Shen, ChengAo, et al.
Veröffentlicht: (2025)