:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Jiaming, Ding, Yang, Gao, Yunfeng
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2407.19201
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Learning-to-Defer in Non-Stationary Time Series via Switching State-Space Models
von: Montreuil, Yannis, et al.
Veröffentlicht: (2026)

Deep Switching State Space Model (DS$^3$M) for Nonlinear Time Series Forecasting with Regime Switching
von: Xu, Xiuqin, et al.
Veröffentlicht: (2021)

Quantum-Optimized Selective State Space Model for Efficient Time Series Prediction
von: Jura, Stefan-Alexandru, et al.
Veröffentlicht: (2025)

ReciNet: Reciprocal Space-Aware Long-Range Modeling for Crystalline Property Prediction
von: Nie, Jianan, et al.
Veröffentlicht: (2025)

Analysis of Long Range Dependency Understanding in State Space Models
von: Ravikumar, Srividya, et al.
Veröffentlicht: (2026)

Leveraging State Space Models in Long Range Genomics
von: Popov, Matvei, et al.
Veröffentlicht: (2025)

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

MedMamba: Multi-View State Space Models with Adaptive Graph Learning for Medical Time Series Classification
von: Zhang, Da, et al.
Veröffentlicht: (2026)

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

Time-Varying Deep State Space Models for Sequences with Switching Dynamics
von: Karilanova, Sanja, et al.
Veröffentlicht: (2026)

From Observations to States: Latent Time Series Forecasting
von: Yang, Jie, et al.
Veröffentlicht: (2026)

FR-Mamba: Time-Series Physical Field Reconstruction Based on State Space Model
von: Long, Jiahuan, et al.
Veröffentlicht: (2025)

Time Series Clustering with General State Space Models via Stochastic Variational Inference
von: Ishizuka, Ryoichi, et al.
Veröffentlicht: (2024)

PGN: The RNN's New Successor is Effective for Long-Range Time Series Forecasting
von: Jia, Yuxin, et al.
Veröffentlicht: (2024)

MSHyper: Multi-Scale Hypergraph Transformer for Long-Range Time Series Forecasting
von: Shang, Zongjiang, et al.
Veröffentlicht: (2024)

Swimba: Switch Mamba Model Scales State Space Models
von: Du, Zhixu, et al.
Veröffentlicht: (2026)

Introducing Spectral Attention for Long-Range Dependency in Time Series Forecasting
von: Kang, Bong Gyun, et al.
Veröffentlicht: (2024)

Deep State-Space Generative Model For Correlated Time-to-Event Predictions
von: Xue, Yuan, et al.
Veröffentlicht: (2024)

Time-SSM: Simplifying and Unifying State Space Models for Time Series Forecasting
von: Hu, Jiaxi, et al.
Veröffentlicht: (2024)

Adaptive Regime-Switching Forecasts with Distribution-Free Uncertainty: Deep Switching State-Space Models Meet Conformal Prediction
von: LU, Echo Diyun, et al.
Veröffentlicht: (2025)

Graph-Mamba: Towards Long-Range Graph Sequence Modeling with Selective State Spaces
von: Wang, Chloe, et al.
Veröffentlicht: (2024)

Joint Selective State Space Model and Detrending for Robust Time Series Anomaly Detection
von: Chen, Junqi, et al.
Veröffentlicht: (2024)

A Simple State Space Model Excels at Multivariate Time Series Classification
von: Saadatmand, Hassan, et al.
Veröffentlicht: (2026)

LLM-Integrated Bayesian State Space Models for Multimodal Time-Series Forecasting
von: Cho, Sungjun, et al.
Veröffentlicht: (2025)

A Decomposition-based State Space Model for Multivariate Time-Series Forecasting
von: Nagashima, Shunya, et al.
Veröffentlicht: (2026)

To See Far, Look Close: Evolutionary Forecasting for Long-term Time Series
von: Ma, Jiaming, et al.
Veröffentlicht: (2026)

Predicting Time Series of Networked Dynamical Systems without Knowing Topology
von: Ding, Yanna, et al.
Veröffentlicht: (2024)

DiM-TS: Bridge the Gap between Selective State Space Models and Time Series for Generative Modeling
von: Yao, Zihao, et al.
Veröffentlicht: (2025)

Output Scaling: YingLong-Delayed Chain of Thought in a Large Pretrained Time Series Forecasting Model
von: Wang, Xue, et al.
Veröffentlicht: (2025)

EIDOS: Latent-Space Predictive Learning for Time Series Foundation Models
von: Zhou, Xinxing, et al.
Veröffentlicht: (2026)

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

CMamba: Channel Correlation Enhanced State Space Models for Multivariate Time Series Forecasting
von: Zeng, Chaolv, et al.
Veröffentlicht: (2024)

Amortized Control of Continuous State Space Feynman-Kac Model for Irregular Time Series
von: Park, Byoungwoo, et al.
Veröffentlicht: (2024)

PHAT: Modeling Period Heterogeneity for Multivariate Time Series Forecasting
von: Ma, Jiaming, et al.
Veröffentlicht: (2026)

T2S: High-resolution Time Series Generation with Text-to-Series Diffusion Models
von: Ge, Yunfeng, et al.
Veröffentlicht: (2025)

Beyond Model Ranking: Predictability-Aligned Evaluation for Time Series Forecasting
von: Feng, Wanjin, et al.
Veröffentlicht: (2025)

PowerMamba: A Deep State Space Model and Comprehensive Benchmark for Time Series Prediction in Electric Power Systems
von: Menati, Ali, et al.
Veröffentlicht: (2024)

Chimera: Effectively Modeling Multivariate Time Series with 2-Dimensional State Space Models
von: Behrouz, Ali, et al.
Veröffentlicht: (2024)

S2TX: Cross-Attention Multi-Scale State-Space Transformer for Time Series Forecasting
von: Wu, Zihao, et al.
Veröffentlicht: (2025)

DyGMamba: Efficiently Modeling Long-Term Temporal Dependency on Continuous-Time Dynamic Graphs with State Space Models
von: Ding, Zifeng, et al.
Veröffentlicht: (2024)