Buchumschlag

IN-Flow: Instance Normalization Flow for Non-stationary Time Series Forecasting

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Fan, Wei, Zheng, Shun, Wang, Pengyang, Xie, Rui, Yi, Kun, Zhang, Qi, Bian, Jiang, Fu, Yanjie
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Deep Frequency Derivative Learning for Non-stationary Time Series Forecasting
von: Fan, Wei, et al.
Veröffentlicht: (2024)

Inner-Instance Normalization for Time Series Forecasting
von: Jibao, Zipo, et al.
Veröffentlicht: (2025)

FredNormer: Frequency Domain Normalization for Non-stationary Time Series Forecasting
von: Piao, Xihao, et al.
Veröffentlicht: (2024)

SeesawNet: Towards Non-stationary Time Series Forecasting with Balanced Modeling of Common and Specific Dependencies
von: Li, Hao, et al.
Veröffentlicht: (2026)

Wavelet-based Disentangled Adaptive Normalization for Non-stationary Times Series Forecasting
von: Lin, Junpeng, et al.
Veröffentlicht: (2025)

Frequency Adaptive Normalization For Non-stationary Time Series Forecasting
von: Ye, Weiwei, et al.
Veröffentlicht: (2024)

Is Precise Recovery Necessary? A Task-Oriented Imputation Approach for Time Series Forecasting on Variable Subset
von: Hao, Qi, et al.
Veröffentlicht: (2024)

Amplifier: Bringing Attention to Neglected Low-Energy Components in Time Series Forecasting
von: Fei, Jingru, et al.
Veröffentlicht: (2025)

Routing Channel-Patch Dependencies in Time Series Forecasting with Graph Spectral Decomposition
von: Li, Dongyuan, et al.
Veröffentlicht: (2026)

ElasTST: Towards Robust Varied-Horizon Forecasting with Elastic Time-Series Transformer
von: Zhang, Jiawen, et al.
Veröffentlicht: (2024)

Teaching Time Series to See and Speak: Forecasting with Aligned Visual and Textual Perspectives
von: Dong, Sixun, et al.
Veröffentlicht: (2025)

NoRIN: Backbone-Adaptive Reversible Normalization for Time-Series Forecasting
von: Zhang, Shun, et al.
Veröffentlicht: (2026)

Non-stationary Diffusion For Probabilistic Time Series Forecasting
von: Ye, Weiwei, et al.
Veröffentlicht: (2025)

DoFlow: Flow-based Generative Models for Interventional and Counterfactual Forecasting on Time Series
von: Wu, Dongze, et al.
Veröffentlicht: (2025)

TimeRAF: Retrieval-Augmented Foundation model for Zero-shot Time Series Forecasting
von: Zhang, Huanyu, et al.
Veröffentlicht: (2024)

End-to-End Modeling Hierarchical Time Series Using Autoregressive Transformer and Conditional Normalizing Flow based Reconciliation
von: Wang, Shiyu, et al.
Veröffentlicht: (2022)

FilterNet: Harnessing Frequency Filters for Time Series Forecasting
von: Yi, Kun, et al.
Veröffentlicht: (2024)

Lightweight Channel-wise Dynamic Fusion Model: Non-stationary Time Series Forecasting via Entropy Analysis
von: Jia, Tianyu, et al.
Veröffentlicht: (2025)

SEMPO: Lightweight Foundation Models for Time Series Forecasting
von: He, Hui, et al.
Veröffentlicht: (2025)

Metric-agnostic Learning-to-Rank via Boosting and Rank Approximation
von: Gomez, Camilo, et al.
Veröffentlicht: (2026)

Parametric Prior Mapping Framework for Non-stationary Probabilistic Time Series Forecasting
von: Li, Jinglin, et al.
Veröffentlicht: (2026)

PAMod: Modeling Cyclical Shifts via Phase-Amplitude Modulation for Non-stationary Time Series Forecasting
von: Zhou, Yingbo, et al.
Veröffentlicht: (2026)

Online Time Series Forecasting with Theoretical Guarantees
von: Li, Zijian, et al.
Veröffentlicht: (2025)

Probabilistic Forecasting of Irregular Time Series via Conditional Flows
von: Yalavarthi, Vijaya Krishna, et al.
Veröffentlicht: (2024)

Improving Time Series Forecasting via Instance-aware Post-hoc Revision
von: Liu, Zhiding, et al.
Veröffentlicht: (2025)

Tyche: One Step Flow for Efficient Probabilistic Weather Forecasting
von: Xu, Fan, et al.
Veröffentlicht: (2026)

TimeAPN: Adaptive Amplitude-Phase Non-Stationarity Normalization for Time Series Forecasting
von: Hu, Yue, et al.
Veröffentlicht: (2026)

CoGenCast: A Coupled Autoregressive-Flow Generative Framework for Time Series Forecasting
von: Liu, Yaguo, et al.
Veröffentlicht: (2026)

Are Time-Series Foundation Models Deployment-Ready? A Systematic Study of Adversarial Robustness Across Domains
von: Zhang, Jiawen, et al.
Veröffentlicht: (2025)

Deep Coupling Network For Multivariate Time Series Forecasting
von: Yi, Kun, et al.
Veröffentlicht: (2024)

Beyond Extrapolation: Knowledge Utilization Paradigm with Bidirectional Inspiration for Time Series Forecasting
von: Chong, Liu, et al.
Veröffentlicht: (2026)

CastFlow: Learning Role-Specialized Agentic Workflows for Time Series Forecasting
von: Pan, Bokai, et al.
Veröffentlicht: (2026)

Temporal-Conditioned Normalizing Flows for Multivariate Time Series Anomaly Detection
von: Baumgartner, David, et al.
Veröffentlicht: (2026)

FlowState: Sampling Rate Invariant Time Series Forecasting
von: Graf, Lars, et al.
Veröffentlicht: (2025)

PaP-NF: Probabilistic Long-Term Time Series Forecasting via Prefix-as-Prompt Reprogramming and Normalizing Flows
von: Kim, Minju, et al.
Veröffentlicht: (2026)

Dual-Forecaster: A Multimodal Time Series Model Integrating Descriptive and Predictive Texts
von: Wu, Wenfa, et al.
Veröffentlicht: (2025)

Bridging the Last Mile of Prediction: Enhancing Time Series Forecasting with Conditional Guided Flow Matching
von: Xu, Huibo, et al.
Veröffentlicht: (2025)

FLAME: Flow Enhanced Legendre Memory Models for General Time Series Forecasting
von: Wu, Xingjian, et al.
Veröffentlicht: (2025)

Mixture of Online and Offline Experts for Non-stationary Time Series
von: Zhao, Zhilin, et al.
Veröffentlicht: (2022)

Flow-based Conformal Prediction for Multi-dimensional Time Series
von: Lee, Junghwan, et al.
Veröffentlicht: (2025)