Buchumschlag

Exploring Scalability in Large-Scale Time Series in DeepVATS framework

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Santamaria-Valenzuela, Inmaculada, Rodriguez-Fernandez, Victor, Camacho, David
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

Decoding Latent Spaces: Assessing the Interpretability of Time Series Foundation Models for Visual Analytics
von: Santamaria-Valenzuela, Inmaculada, et al.
Veröffentlicht: (2025)

NuTime: Numerically Multi-Scaled Embedding for Large-Scale Time-Series Pretraining
von: Lin, Chenguo, et al.
Veröffentlicht: (2023)

TimeSeriesGym: A Scalable Benchmark for (Time Series) Machine Learning Engineering Agents
von: Cai, Yifu, et al.
Veröffentlicht: (2025)

LENS: Large Pre-trained Transformer for Exploring Financial Time Series Regularities
von: Xu, Yuanjian, et al.
Veröffentlicht: (2024)

Scaling Law for Time Series Forecasting
von: Shi, Jingzhe, et al.
Veröffentlicht: (2024)

Finding the DeepDream for Time Series: Activation Maximization for Univariate Time Series
von: Schlegel, Udo, et al.
Veröffentlicht: (2024)

Early Detection of Multidrug Resistance Using Multivariate Time Series Analysis and Interpretable Patient-Similarity Representations
von: Escudero-Arnanz, Óscar, et al.
Veröffentlicht: (2025)

AIGC for Industrial Time Series: From Deep Generative Models to Large Generative Models
von: Ren, Lei, et al.
Veröffentlicht: (2024)

A Scalable and Transferable Time Series Prediction Framework for Demand Forecasting
von: Park, Young-Jin, et al.
Veröffentlicht: (2024)

FactoryNet: A Large-Scale Dataset toward Industrial Time-Series Foundation Models
von: Othman, Karim, et al.
Veröffentlicht: (2026)

Graph Deep Learning for Time Series Forecasting
von: Cini, Andrea, et al.
Veröffentlicht: (2023)

Scaling over Scaling: Exploring Test-Time Scaling Plateau in Large Reasoning Models
von: Wang, Jian, et al.
Veröffentlicht: (2025)

Context Neural Networks: A Scalable Multivariate Model for Time Series Forecasting
von: Sriramulu, Abishek, et al.
Veröffentlicht: (2024)

Does Scaling Law Apply in Time Series Forecasting?
von: Li, Zeyan, et al.
Veröffentlicht: (2025)

Diversified Scaling Inference in Time Series Foundation Models
von: Hua, Ruijin, et al.
Veröffentlicht: (2026)

Toto 2.0: Time Series Forecasting Enters the Scaling Era
von: Khwaja, Emaad, et al.
Veröffentlicht: (2026)

Deep Coupling Network For Multivariate Time Series Forecasting
von: Yi, Kun, et al.
Veröffentlicht: (2024)

Deep Learning for Time Series Forecasting: A Survey
von: Kong, Xiangjie, et al.
Veröffentlicht: (2025)

Scalable Context-Aware Graph Attention for Unsupervised Anomaly Detection in Large-Scale Mobile Networks
von: Malacarne, Sara, et al.
Veröffentlicht: (2026)

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

Scalable Numerical Embeddings for Multivariate Time Series: Enhancing Healthcare Data Representation Learning
von: Huang, Chun-Kai, et al.
Veröffentlicht: (2024)

Towards Neural Scaling Laws for Time Series Foundation Models
von: Yao, Qingren, et al.
Veröffentlicht: (2024)

MambaSL: Exploring Single-Layer Mamba for Time Series Classification
von: Jung, Yoo-Min, et al.
Veröffentlicht: (2026)

Performative Time-Series Forecasting
von: Zhao, Zhiyuan, et al.
Veröffentlicht: (2023)

DeNOTS: Stable Deep Neural ODEs for Time Series
von: Kuleshov, Ilya, et al.
Veröffentlicht: (2024)

Deep Learning for Multivariate Time Series Imputation: A Survey
von: Wang, Jun, et al.
Veröffentlicht: (2024)

Deep Learning for Time Series Anomaly Detection: A Survey
von: Darban, Zahra Zamanzadeh, et al.
Veröffentlicht: (2022)

Time-LLM: Time Series Forecasting by Reprogramming Large Language Models
von: Jin, Ming, et al.
Veröffentlicht: (2023)

Time-MoE: Billion-Scale Time Series Foundation Models with Mixture of Experts
von: Shi, Xiaoming, et al.
Veröffentlicht: (2024)

Winner-takes-all for Multivariate Probabilistic Time Series Forecasting
von: Cortés, Adrien, et al.
Veröffentlicht: (2025)

Continuity and Ordinality Matter: Constraining Time Series Tokens for Effective Time Series Analysis with Large Language Models
von: Li, Musheng, et al.
Veröffentlicht: (2026)

A Multi-Scale Decomposition MLP-Mixer for Time Series Analysis
von: Zhong, Shuhan, et al.
Veröffentlicht: (2023)

DMSC: Dynamic Multi-Scale Coordination Framework for Time Series Forecasting
von: Yang, Haonan, et al.
Veröffentlicht: (2025)

Wave-Mask/Mix: Exploring Wavelet-Based Augmentations for Time Series Forecasting
von: Arabi, Dona, et al.
Veröffentlicht: (2024)

Exploring Progress in Multivariate Time Series Forecasting: Comprehensive Benchmarking and Heterogeneity Analysis
von: Shao, Zezhi, et al.
Veröffentlicht: (2023)

Exploring Spiking Neural Networks for Binary Classification in Multivariate Time Series at the Edge
von: Ghawaly, James, et al.
Veröffentlicht: (2025)

Deep Frequency Derivative Learning for Non-stationary Time Series Forecasting
von: Fan, Wei, et al.
Veröffentlicht: (2024)

Benchmarking Counterfactual Interpretability in Deep Learning Models for Time Series Classification
von: Kan, Ziwen, et al.
Veröffentlicht: (2024)

Time Series Supplier Allocation via Deep Black-Litterman Model
von: Luo, Jiayuan, et al.
Veröffentlicht: (2024)

Deep Unsupervised Domain Adaptation for Time Series Classification: a Benchmark
von: Fawaz, Hassan Ismail, et al.
Veröffentlicht: (2023)