Buchumschlag

GenFormer: A Deep-Learning-Based Approach for Generating Multivariate Stochastic Processes

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhao, Haoran, Uy, Wayne Isaac Tan
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

GenFormer -- Generated Images are All You Need to Improve Robustness of Transformers on Small Datasets
von: Oehri, Sven, et al.
Veröffentlicht: (2024)

ParaFormer: A Generalized PageRank Graph Transformer for Graph Representation Learning
von: Yuan, Chaohao, et al.
Veröffentlicht: (2025)

Koopman-Based Generalization of Deep Reinforcement Learning With Application to Wireless Communications
von: Termehchi, Atefeh, et al.
Veröffentlicht: (2025)

ShapeFormer: Shapelet Transformer for Multivariate Time Series Classification
von: Le, Xuan-May, et al.
Veröffentlicht: (2024)

Deep Learning Meets Process-Based Models: A Hybrid Approach to Agricultural Challenges
von: Shi, Yue, et al.
Veröffentlicht: (2025)

EulerFormer: Sequential User Behavior Modeling with Complex Vector Attention
von: Tian, Zhen, et al.
Veröffentlicht: (2024)

Agricultural Recommendation System based on Deep Learning: A Multivariate Weather Forecasting Approach
von: Zubair, Md, et al.
Veröffentlicht: (2024)

Deep Learning-Based Survival Analysis with Copula-Based Activation Functions for Multivariate Response Prediction
von: Kim, Jong-Min, et al.
Veröffentlicht: (2025)

DeepKoopFormer: A Koopman Enhanced Transformer Based Architecture for Time Series Forecasting
von: Forootani, Ali, et al.
Veröffentlicht: (2025)

Stochastic Operator Network: A Stochastic Maximum Principle Based Approach to Operator Learning
von: Bausback, Ryan, et al.
Veröffentlicht: (2025)

Cumulative Hazard Function Based Efficient Multivariate Temporal Point Process Learning
von: Liu, Bingqing
Veröffentlicht: (2024)

Counterfactual Explainable AI (XAI) Method for Deep Learning-Based Multivariate Time Series Classification
von: Cetina, Alan G. Paredes, et al.
Veröffentlicht: (2025)

DRL-STAF: A Deep Reinforcement Learning Framework for State-Aware Forecasting of Complex Multivariate Hidden Markov Processes
von: Jiang, Manrui, et al.
Veröffentlicht: (2026)

GenSelect: A Generative Approach to Best-of-N
von: Toshniwal, Shubham, et al.
Veröffentlicht: (2025)

SageFormer: Series-Aware Framework for Long-term Multivariate Time Series Forecasting
von: Zhang, Zhenwei, et al.
Veröffentlicht: (2023)

TabTreeFormer: Tabular Data Generation Using Hybrid Tree-Transformer
von: Li, Jiayu, et al.
Veröffentlicht: (2025)

ManifoldFormer: Geometric Deep Learning for Neural Dynamics on Riemannian Manifolds
von: Fu, Yihang, et al.
Veröffentlicht: (2025)

Generative Machine Learning for Multivariate Angular Simulation
von: Wessel, Jakob Benjamin, et al.
Veröffentlicht: (2025)

Learning the Infinitesimal Generator of Stochastic Diffusion Processes
von: Kostic, Vladimir R., et al.
Veröffentlicht: (2024)

AscendKernelGen: A Systematic Study of LLM-Based Kernel Generation for Neural Processing Units
von: Cao, Xinzi, et al.
Veröffentlicht: (2026)

BioFormer: Rethinking Cross-Subject Generalization via Spectral Structural Alignment in Biomedical Time-Series
von: Du, Guikang, et al.
Veröffentlicht: (2026)

Deep Learning Approach to Anomaly Detection in Enterprise ETL Processes with Autoencoders
von: Chen, Xin, et al.
Veröffentlicht: (2025)

Deep Learning for Multivariate Time Series Imputation: A Survey
von: Wang, Jun, et al.
Veröffentlicht: (2024)

Active Rule Mining for Multivariate Anomaly Detection in Radio Access Networks
von: Isaac, Ebenezer R. H. P., et al.
Veröffentlicht: (2025)

Federated Learning: A Stochastic Approximation Approach
von: P V, Srihari, et al.
Veröffentlicht: (2024)

Random Process Flow Matching: Generative Implicit Representations of Multivariate Random Fields
von: Lalanne, Julien, et al.
Veröffentlicht: (2026)

TimesNet-Gen: Deep Learning-based Site Specific Strong Motion Generation
von: Yilmaz, Baris, et al.
Veröffentlicht: (2025)

EnTransformer: A Deep Generative Transformer for Multivariate Probabilistic Forecasting
von: Pathak, Rajdeep, et al.
Veröffentlicht: (2026)

A VAE Approach to Sample Multivariate Extremes
von: Lafon, Nicolas, et al.
Veröffentlicht: (2023)

Deep Multivariate Models with Parametric Conditionals
von: Schlesinger, Dmitrij, et al.
Veröffentlicht: (2026)

A Multi-Task Learning Approach to Linear Multivariate Forecasting
von: Nochumsohn, Liran, et al.
Veröffentlicht: (2025)

Convolution-Based Converter : A Weak-Prior Approach For Modeling Stochastic Processes Based On Conditional Density Estimation
von: Pang, Chaoran, et al.
Veröffentlicht: (2025)

Deep Clustering via Distribution Learning
von: Dong, Guanfang, et al.
Veröffentlicht: (2024)

Deep EEG Super-Resolution: Upsampling EEG Spatial Resolution with Generative Adversarial Networks
von: Corley, Isaac, et al.
Veröffentlicht: (2025)

Mask the Redundancy: Evolving Masking Representation Learning for Multivariate Time-Series Clustering
von: Tan, Zexi, et al.
Veröffentlicht: (2025)

Unified Taxonomy for Multivariate Time Series Anomaly Detection using Deep Learning
von: Alves, Bruna, et al.
Veröffentlicht: (2026)

GameGen-Verifier: Parallel Keypoint-Based Verification for LLM-Generated Games via Runtime State Injection
von: Jia, Chaobo, et al.
Veröffentlicht: (2026)

GraphTreeGen: Subtree-Centric Approach to Efficient and Supervised Graph Generation
von: Luo, Yitong, et al.
Veröffentlicht: (2025)

Gradient Estimation Methods of Approximate Multipliers for High-Accuracy Retraining of Deep Learning Models
von: Meng, Chang, et al.
Veröffentlicht: (2025)

ContextWIN: Whittle Index Based Mixture-of-Experts Neural Model For Restless Bandits Via Deep RL
von: Guo, Zhanqiu, et al.
Veröffentlicht: (2024)