Buchumschlag

Pathformer: Multi-scale Transformers with Adaptive Pathways for Time Series Forecasting

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Peng, Zhang, Yingying, Cheng, Yunyao, Shu, Yang, Wang, Yihang, Wen, Qingsong, Yang, Bin, Guo, Chenjuan
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

CC-Time: Cross-Model and Cross-Modality Time Series Forecasting
von: Chen, Peng, et al.
Veröffentlicht: (2025)

Towards a General Time Series Forecasting Model with Unified Representation and Adaptive Transfer
von: Wang, Yihang, et al.
Veröffentlicht: (2024)

LightGTS: A Lightweight General Time Series Forecasting Model
von: Wang, Yihang, et al.
Veröffentlicht: (2025)

AimTS: Augmented Series and Image Contrastive Learning for Time Series Classification
von: Chen, Yuxuan, et al.
Veröffentlicht: (2025)

Towards Non-Stationary Time Series Forecasting with Temporal Stabilization and Frequency Differencing
von: Lu, Junkai, et al.
Veröffentlicht: (2025)

Aurora: Towards Universal Generative Multimodal Time Series Forecasting
von: Wu, Xingjian, et al.
Veröffentlicht: (2025)

Unsupervised Time Series Anomaly Prediction with Importance-based Generative Contrastive Learning
von: Zhao, Kai, et al.
Veröffentlicht: (2024)

Gaussian Process Latent Variable Modeling for Few-shot Time Series Forecasting
von: Cheng, Yunyao, et al.
Veröffentlicht: (2022)

TSFM-Bench: A Comprehensive and Unified Benchmark of Foundation Models for Time Series Forecasting
von: Li, Zhe, et al.
Veröffentlicht: (2024)

MultiRC: Joint Learning for Time Series Anomaly Prediction and Detection with Multi-scale Reconstructive Contrast
von: Hu, Shiyan, et al.
Veröffentlicht: (2024)

ASTGI: Adaptive Spatio-Temporal Graph Interactions for Irregular Multivariate Time Series Forecasting
von: Liu, Xvyuan, et al.
Veröffentlicht: (2025)

Towards Multimodal Time Series Anomaly Detection with Semantic Alignment and Condensed Interaction
von: Hu, Shiyan, et al.
Veröffentlicht: (2026)

SwiftTS: A Swift Selection Framework for Time Series Pre-trained Models via Multi-task Meta-Learning
von: Zhang, Tengxue, et al.
Veröffentlicht: (2025)

CoRA: Boosting Time Series Foundation Models for Multivariate Forecasting through Correlation-aware Adapter
von: Cheng, Hanyin, et al.
Veröffentlicht: (2026)

Fully Automated Correlated Time Series Forecasting in Minutes
von: Wu, Xinle, et al.
Veröffentlicht: (2024)

DBLoss: Decomposition-based Loss Function for Time Series Forecasting
von: Qiu, Xiangfei, et al.
Veröffentlicht: (2025)

STAR: Boosting Time Series Foundation Models for Anomaly Detection through State-aware Adapter
von: Cheng, Hanyin, et al.
Veröffentlicht: (2025)

DUET: Dual Clustering Enhanced Multivariate Time Series Forecasting
von: Qiu, Xiangfei, et al.
Veröffentlicht: (2024)

CrossAD: Time Series Anomaly Detection with Cross-scale Associations and Cross-window Modeling
von: Li, Beibu, et al.
Veröffentlicht: (2025)

RCRank: Multimodal Ranking of Root Causes of Slow Queries in Cloud Database Systems
von: Ouyang, Biao, et al.
Veröffentlicht: (2025)

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

Enhancing Time Series Forecasting through Selective Representation Spaces: A Patch Perspective
von: Wu, Xingjian, et al.
Veröffentlicht: (2025)

EasyTime: Time Series Forecasting Made Easy
von: Qiu, Xiangfei, et al.
Veröffentlicht: (2024)

Towards a General Time Series Anomaly Detector with Adaptive Bottlenecks and Dual Adversarial Decoders
von: Shentu, Qichao, et al.
Veröffentlicht: (2024)

Multi-Order Wavelet Derivative Transform for Deep Time Series Forecasting
von: Zhou, Ziyu, et al.
Veröffentlicht: (2025)

RobustTSF: Towards Theory and Design of Robust Time Series Forecasting with Anomalies
von: Cheng, Hao, et al.
Veröffentlicht: (2024)

Hermes: A Multi-Scale Spatial-Temporal Hypergraph Network for Stock Time Series Forecasting
von: Qiu, Xiangfei, et al.
Veröffentlicht: (2025)

Rethinking Irregular Time Series Forecasting: A Simple yet Effective Baseline
von: Liu, Xvyuan, et al.
Veröffentlicht: (2025)

Data Driven Decision Making with Time Series and Spatio-temporal Data
von: Yang, Bin, et al.
Veröffentlicht: (2025)

A Comprehensive Survey of Deep Learning for Multivariate Time Series Forecasting: A Channel Strategy Perspective
von: Qiu, Xiangfei, et al.
Veröffentlicht: (2025)

Learning Generalizable Skills from Offline Multi-Task Data for Multi-Agent Cooperation
von: Liu, Sicong, et al.
Veröffentlicht: (2025)

GCGNet: Graph-Consistent Generative Network for Time Series Forecasting with Exogenous Variables
von: Li, Zhengyu, et al.
Veröffentlicht: (2026)

Empowering Time Series Analysis with Large-Scale Multimodal Pretraining
von: Chen, Peng, et al.
Veröffentlicht: (2026)

$K^2$VAE: A Koopman-Kalman Enhanced Variational AutoEncoder for Probabilistic Time Series Forecasting
von: Wu, Xingjian, et al.
Veröffentlicht: (2025)

TimeBlocks: Foundational and Continual Time-Series Blockbase -- Extended Version
von: Campos, David, et al.
Veröffentlicht: (2026)

Deciphering Invariant Feature Decoupling in Source-free Time Series Forecasting with Proxy Denoising
von: Yan, Kangjia, et al.
Veröffentlicht: (2025)

Unlocking the Value of Text: Event-Driven Reasoning and Multi-Level Alignment for Time Series Forecasting
von: Wang, Siyuan, et al.
Veröffentlicht: (2026)

Task-Aware Mixture-of-Experts for Time Series Analysis
von: Wu, Xingjian, et al.
Veröffentlicht: (2025)

CATCH: Channel-Aware multivariate Time Series Anomaly Detection via Frequency Patching
von: Wu, Xingjian, et al.
Veröffentlicht: (2024)

ARROW: An Adaptive Rollout and Routing Method for Global Weather Forecasting
von: Tian, Jindong, et al.
Veröffentlicht: (2025)