Buchumschlag

Channel-Aware Low-Rank Adaptation in Time Series Forecasting

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Nie, Tong, Mei, Yuewen, Qin, Guoyang, Sun, Jian, Ma, Wei
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

ImputeFormer: Low Rankness-Induced Transformers for Generalizable Spatiotemporal Imputation
von: Nie, Tong, et al.
Veröffentlicht: (2023)

Contextualizing MLP-Mixers Spatiotemporally for Urban Data Forecast at Scale
von: Nie, Tong, et al.
Veröffentlicht: (2023)

Joint Estimation and Prediction of City-wide Delivery Demand: A Large Language Model Empowered Graph-based Learning Approach
von: Nie, Tong, et al.
Veröffentlicht: (2024)

High-Dimensional Fault Tolerance Testing of Highly Automated Vehicles Based on Low-Rank Models
von: Mei, Yuewen, et al.
Veröffentlicht: (2024)

Spatiotemporal Implicit Neural Representation as a Generalized Traffic Data Learner
von: Nie, Tong, et al.
Veröffentlicht: (2024)

Generalizable Implicit Neural Representation As a Universal Spatiotemporal Traffic Data Learner
von: Nie, Tong, et al.
Veröffentlicht: (2024)

LLM-attacker: Enhancing Closed-loop Adversarial Scenario Generation for Autonomous Driving with Large Language Models
von: Mei, Yuewen, et al.
Veröffentlicht: (2025)

Mixture of Low Rank Adaptation with Partial Parameter Sharing for Time Series Forecasting
von: Pan, Licheng, et al.
Veröffentlicht: (2025)

Transfer Learning with Foundational Models for Time Series Forecasting using Low-Rank Adaptations
von: Germán-Morales, M., et al.
Veröffentlicht: (2024)

ADV-0: Closed-Loop Min-Max Adversarial Training for Long-Tail Robustness in Autonomous Driving
von: Nie, Tong, et al.
Veröffentlicht: (2026)

Collaborative Imputation of Urban Time Series through Cross-city Meta-learning
von: Nie, Tong, et al.
Veröffentlicht: (2025)

Low-Rank Adaptation of Time Series Foundational Models for Out-of-Domain Modality Forecasting
von: Gupta, Divij, et al.
Veröffentlicht: (2024)

Convolutionally Low-Rank Models with Modified Quantile Regression for Interval Time Series Forecasting
von: Zhu, Miaoxuan, et al.
Veröffentlicht: (2026)

Nearest Neighbor Multivariate Time Series Forecasting
von: Zhang, Huiliang, et al.
Veröffentlicht: (2025)

Predicting Large-scale Urban Network Dynamics with Energy-informed Graph Neural Diffusion
von: Nie, Tong, et al.
Veröffentlicht: (2025)

MLOW: Interpretable Low-Rank Frequency Magnitude Decomposition of Multiple Effects for Time Series Forecasting
von: Yang, Runze, et al.
Veröffentlicht: (2026)

Come Together, But Not Right Now: A Progressive Strategy to Boost Low-Rank Adaptation
von: Zhuang, Zhan, et al.
Veröffentlicht: (2025)

Towards Principled Test-Time Adaptation for Time Series Forecasting
von: Wang, Haochun, et al.
Veröffentlicht: (2026)

MTS-UNMixers: Multivariate Time Series Forecasting via Channel-Time Dual Unmixing
von: Zhu, Xuanbing, et al.
Veröffentlicht: (2024)

Frequency-Aware Attention-LSTM for PM$_{2.5}$ Time Series Forecasting
von: Lu, Jiahui, et al.
Veröffentlicht: (2025)

Channel-wise Retrieval for Multivariate Time Series Forecasting
von: Kang, Junhyeok, et al.
Veröffentlicht: (2026)

Spectral Imbalance Causes Forgetting in Low-Rank Continual Adaptation
von: Gu, Hao, et al.
Veröffentlicht: (2026)

ThanoRA: Task Heterogeneity-Aware Multi-Task Low-Rank Adaptation
von: Liang, Jian, et al.
Veröffentlicht: (2025)

CoRA: Covariate-Aware Adaptation of Time Series Foundation Models
von: Qin, Guo, et al.
Veröffentlicht: (2025)

SAMformer: Unlocking the Potential of Transformers in Time Series Forecasting with Sharpness-Aware Minimization and Channel-Wise Attention
von: Ilbert, Romain, et al.
Veröffentlicht: (2024)

Nonstationary Time Series Forecasting via Unknown Distribution Adaptation
von: Li, Zijian, et al.
Veröffentlicht: (2024)

Unlocking the Power of LSTM for Long Term Time Series Forecasting
von: Kong, Yaxuan, et al.
Veröffentlicht: (2024)

PRformer: Pyramidal Recurrent Transformer for Multivariate Time Series Forecasting
von: Yu, Yongbo, et al.
Veröffentlicht: (2024)

Scalable Multi-Task Low-Rank Model Adaptation
von: Tian, Zichen, et al.
Veröffentlicht: (2026)

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

GeoRA: Geometry-Aware Low-Rank Adaptation for RLVR
von: Zhang, Jiaying, et al.
Veröffentlicht: (2026)

CARD: Channel Aligned Robust Blend Transformer for Time Series Forecasting
von: Xue, Wang, et al.
Veröffentlicht: (2023)

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

Reasoning-Aware Training for Time Series Forecasting
von: Ahamed, Md Atik, et al.
Veröffentlicht: (2026)

Accurate Parameter-Efficient Test-Time Adaptation for Time Series Forecasting
von: Medeiros, Heitor R., et al.
Veröffentlicht: (2025)

Don't Learn the Shape: Forecasting Periodic Time Series by Rank-1 Decomposition
von: Honda, Takato
Veröffentlicht: (2026)

LoRA-GA: Low-Rank Adaptation with Gradient Approximation
von: Wang, Shaowen, et al.
Veröffentlicht: (2024)

TimeExpert: Boosting Long Time Series Forecasting with Temporal Mix of Experts
von: Ma, Xiaowen, et al.
Veröffentlicht: (2025)

MCformer: Multivariate Time Series Forecasting with Mixed-Channels Transformer
von: Han, Wenyong, et al.
Veröffentlicht: (2024)

From Similarity to Superiority: Channel Clustering for Time Series Forecasting
von: Chen, Jialin, et al.
Veröffentlicht: (2024)