Buchumschlag

UniTS: A Unified Multi-Task Time Series Model

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Gao, Shanghua, Koker, Teddy, Queen, Owen, Hartvigsen, Thomas, Tsiligkaridis, Theodoros, Zitnik, Marinka
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

When Sensors Fail: Temporal Sequence Models for Robust PPO under Sensor Drift
von: Vogt-Lowell, Kevin, et al.
Veröffentlicht: (2026)

TxAgent: An AI Agent for Therapeutic Reasoning Across a Universe of Tools
von: Gao, Shanghua, et al.
Veröffentlicht: (2025)

Democratizing AI scientists using ToolUniverse
von: Gao, Shanghua, et al.
Veröffentlicht: (2025)

Adaptive Time Series Reasoning via Segment Selection
von: Messica, Shvat, et al.
Veröffentlicht: (2026)

AutoScientists: Self-Organizing Agent Teams for Long-Running Scientific Experimentation
von: Gao, Shanghua, et al.
Veröffentlicht: (2026)

Prompting Decision Transformers for Zero-Shot Reach-Avoid Policies
von: Li, Kevin, et al.
Veröffentlicht: (2025)

Multimodal Medical Code Tokenizer
von: Su, Xiaorui, et al.
Veröffentlicht: (2025)

Ken Utilization Layer: Hebbian Replay Within a Student's Ken for Adaptive Exercise Recommendation
von: Kuling, Grey, et al.
Veröffentlicht: (2025)

UniTS: A Universal Time Series Analysis Framework Powered by Self-Supervised Representation Learning
von: Liang, Zhiyu, et al.
Veröffentlicht: (2023)

Are Language Models Actually Useful for Time Series Forecasting?
von: Tan, Mingtian, et al.
Veröffentlicht: (2024)

UniCA: Unified Covariate Adaptation for Time Series Foundation Model
von: Han, Lu, et al.
Veröffentlicht: (2025)

Qworld: Question-Specific Evaluation Criteria for LLMs
von: Gao, Shanghua, et al.
Veröffentlicht: (2026)

LeapTS: Rethinking Time Series Forecasting as Adaptive Multi-Horizon Scheduling
von: Pan, Sheng, et al.
Veröffentlicht: (2026)

SSD-TS: Exploring the Potential of Linear State Space Models for Diffusion Models in Time Series Imputation
von: Gao, Hongfan, et al.
Veröffentlicht: (2024)

UniMTS: Unified Pre-training for Motion Time Series
von: Zhang, Xiyuan, et al.
Veröffentlicht: (2024)

TS-Memory: Plug-and-Play Memory for Time Series Foundation Models
von: Lyu, Sisuo, et al.
Veröffentlicht: (2026)

TS-LIF: A Temporal Segment Spiking Neuron Network for Time Series Forecasting
von: Feng, Shibo, et al.
Veröffentlicht: (2025)

NuwaTS: a Foundation Model Mending Every Incomplete Time Series
von: Cheng, Jinguo, et al.
Veröffentlicht: (2024)

AME-TS: Anchored Mixture-of-Experts for Time Series Forecasting
von: Wang, Rui, et al.
Veröffentlicht: (2026)

FlowTS: Time Series Generation via Rectified Flow
von: Hu, Yang, et al.
Veröffentlicht: (2024)

SciTS: Scientific Time Series Understanding and Generation with LLMs
von: Wu, Wen, et al.
Veröffentlicht: (2025)

Diffusion-TS: Interpretable Diffusion for General Time Series Generation
von: Yuan, Xinyu, et al.
Veröffentlicht: (2024)

A Causality-aware Paradigm for Evaluating Creativity of Multimodal Large Language Models
von: Huang, Zhongzhan, et al.
Veröffentlicht: (2025)

UniTST: Effectively Modeling Inter-Series and Intra-Series Dependencies for Multivariate Time Series Forecasting
von: Liu, Juncheng, et al.
Veröffentlicht: (2024)

Baguan-TS: A Sequence-Native In-Context Learning Model for Time Series Forecasting with Covariates
von: Yang, Linxiao, et al.
Veröffentlicht: (2026)

TS-Inverse: A Gradient Inversion Attack Tailored for Federated Time Series Forecasting Models
von: Meijer, Caspar, et al.
Veröffentlicht: (2025)

MambaTS: Improved Selective State Space Models for Long-term Time Series Forecasting
von: Cai, Xiuding, et al.
Veröffentlicht: (2024)

OpenXAI: Towards a Transparent Evaluation of Model Explanations
von: Agarwal, Chirag, et al.
Veröffentlicht: (2022)

FinTexTS: Financial Text-Paired Time-Series Dataset via Semantic-Based and Multi-Level Pairing
von: Lee, Jaehoon, et al.
Veröffentlicht: (2026)

TailedTS: Benchmark Dataset for Heavy-Tailed Time Series Prediction and Periodicity Quantification
von: Chen, Xinyu, et al.
Veröffentlicht: (2026)

TS-Reasoner: Domain-Oriented Time Series Inference Agents for Reasoning and Automated Analysis
von: Ye, Wen, et al.
Veröffentlicht: (2024)

PLanTS: Periodicity-aware Latent-state Representation Learning for Multivariate Time Series
von: Wang, Jia, et al.
Veröffentlicht: (2025)

TS-RAG: Retrieval-Augmented Generation based Time Series Foundation Models are Stronger Zero-Shot Forecaster
von: Ning, Kanghui, et al.
Veröffentlicht: (2025)

Token Reduction Should Go Beyond Efficiency in Generative Models -- From Vision, Language to Multimodality
von: Kong, Zhenglun, et al.
Veröffentlicht: (2025)

AltTS: A Dual-Path Framework with Alternating Optimization for Multivariate Time Series Forecasting
von: Yuan, Zhihang, et al.
Veröffentlicht: (2026)

DeepBooTS: Dual-Stream Residual Boosting for Drift-Resilient Time-Series Forecasting
von: Liang, Daojun, et al.
Veröffentlicht: (2025)

Graph2TS: Structure-Controlled Time Series Generation via Quantile-Graph VAEs
von: Du, Shaoshuai, et al.
Veröffentlicht: (2026)

WaveHiTS: Wavelet-Enhanced Hierarchical Time Series Modeling for Wind Direction Nowcasting in Eastern Inner Mongolia
von: Shu, Hailong, et al.
Veröffentlicht: (2025)

Repurposing Foundation Model for Generalizable Medical Time Series Classification
von: Huang, Nan, et al.
Veröffentlicht: (2024)

TimeOmni-VL: Unified Models for Time Series Understanding and Generation
von: Guan, Tong, et al.
Veröffentlicht: (2026)