Buchumschlag

Rough Transformers: Lightweight and Continuous Time Series Modelling through Signature Patching

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Moreno-Pino, Fernando, Arroyo, Álvaro, Waldon, Harrison, Dong, Xiaowen, Cartea, Álvaro
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

Rough Transformers for Continuous and Efficient Time-Series Modelling
von: Moreno-Pino, Fernando, et al.
Veröffentlicht: (2024)

gLSTM: Mitigating Over-Squashing by Increasing Storage Capacity
von: Blayney, Hugh, et al.
Veröffentlicht: (2025)

Doubly Outlier-Robust Online Infinite Hidden Markov Model
von: Yiu, Horace, et al.
Veröffentlicht: (2026)

PatchAD: A Lightweight Patch-based MLP-Mixer for Time Series Anomaly Detection
von: Zhong, Zhijie, et al.
Veröffentlicht: (2024)

Towards Lightweight Time Series Forecasting: a Patch-wise Transformer with Weak Data Enriching
von: Wang, Meng, et al.
Veröffentlicht: (2025)

Detecting Toxic Flow
von: Cartea, Álvaro, et al.
Veröffentlicht: (2023)

Martingale Posterior Neural Networks for Fast Sequential Decision Making
von: Duran-Martin, Gerardo, et al.
Veröffentlicht: (2025)

CT-PatchTST: Channel-Time Patch Time-Series Transformer for Long-Term Renewable Energy Forecasting
von: Lu, Kuan, et al.
Veröffentlicht: (2025)

Temporal Motif Signatures for Temporal Graph Neural Networks
von: Sandfelder, Dylan, et al.
Veröffentlicht: (2026)

Sentinel: Multi-Patch Transformer with Temporal and Channel Attention for Time Series Forecasting
von: Villaboni, Davide, et al.
Veröffentlicht: (2025)

Integrating Quantum-Classical Attention in Patch Transformers for Enhanced Time Series Forecasting
von: Chakraborty, Sanjay, et al.
Veröffentlicht: (2025)

Enhancing Masked Time-Series Modeling via Dropping Patches
von: Qiu, Tianyu, et al.
Veröffentlicht: (2024)

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

PatchTrAD: A Patch-Based Transformer focusing on Patch-Wise Reconstruction Error for Time Series Anomaly Detection
von: Vilhes, Samy-Melwan, et al.
Veröffentlicht: (2025)

ContiFormer: Continuous-Time Transformer for Irregular Time Series Modeling
von: Chen, Yuqi, et al.
Veröffentlicht: (2024)

A Mechanistic Analysis of Looped Reasoning Language Models
von: Blayney, Hugh, et al.
Veröffentlicht: (2026)

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

PatchDecomp: Interpretable Patch-Based Time Series Forecasting
von: Tomioka, Hiroki, et al.
Veröffentlicht: (2026)

SEER: Transformer-based Robust Time Series Forecasting via Automated Patch Enhancement and Replacement
von: Qiu, Xiangfei, et al.
Veröffentlicht: (2026)

MOMEMTO: Patch-based Memory Gate Model in Time Series Foundation Model
von: Yoon, Samuel, et al.
Veröffentlicht: (2025)

Lightweight Online Adaption for Time Series Foundation Model Forecasts
von: Lee, Thomas L., et al.
Veröffentlicht: (2025)

PatchMixer: A Patch-Mixing Architecture for Long-Term Time Series Forecasting
von: Gong, Zeying, et al.
Veröffentlicht: (2023)

Entropy Guided Dynamic Patch Segmentation for Time Series Transformers
von: Abeywickrama, Sachith, et al.
Veröffentlicht: (2025)

HPMixer: Hierarchical Patching for Multivariate Time Series Forecasting
von: Choi, Jung Min, et al.
Veröffentlicht: (2026)

Patch-wise Structural Loss for Time Series Forecasting
von: Kudrat, Dilfira, et al.
Veröffentlicht: (2025)

Patch-Level Tokenization with CNN Encoders and Attention for Improved Transformer Time-Series Forecasting
von: Nagrath, Saurish, et al.
Veröffentlicht: (2026)

The Neural Tangent Kernel for Classification
von: Plenk, Jonathan, et al.
Veröffentlicht: (2026)

Activation-Space Uncertainty Quantification for Pretrained Networks
von: Bergna, Richard, et al.
Veröffentlicht: (2026)

Weighted Conditional Flow Matching
von: Calvo-Ordonez, Sergio, et al.
Veröffentlicht: (2025)

SigTime: Learning and Visually Explaining Time Series Signatures
von: Huang, Yu-Chia, et al.
Veröffentlicht: (2025)

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

Lightweight Time Series Data Valuation on Time Series Foundation Models via In-Context Finetuning
von: Wu, Shunyu, et al.
Veröffentlicht: (2025)

Learning to Embed Time Series Patches Independently
von: Lee, Seunghan, et al.
Veröffentlicht: (2023)

On Vanishing Gradients, Over-Smoothing, and Over-Squashing in GNNs: Bridging Recurrent and Graph Learning
von: Arroyo, Álvaro, et al.
Veröffentlicht: (2025)

Medformer: A Multi-Granularity Patching Transformer for Medical Time-Series Classification
von: Wang, Yihe, et al.
Veröffentlicht: (2024)

A Prefixed Patch Time Series Transformer for Two-Point Boundary Value Problems in Three-Body Problems
von: Hatakeyama, Akira, et al.
Veröffentlicht: (2025)

NPMixer: Hierarchical Neighboring Patch Mixing for Time Series Forecasting
von: Choi, Jung Min, et al.
Veröffentlicht: (2026)

EnergyPatchTST: Multi-scale Time Series Transformers with Uncertainty Estimation for Energy Forecasting
von: Li, Wei, et al.
Veröffentlicht: (2025)

TimePro: Efficient Multivariate Long-term Time Series Forecasting with Variable- and Time-Aware Hyper-state
von: Ma, Xiaowen, et al.
Veröffentlicht: (2025)

Efficient Time Series Processing for Transformers and State-Space Models through Token Merging
von: Götz, Leon, et al.
Veröffentlicht: (2024)