Buchumschlag

DeNOTS: Stable Deep Neural ODEs for Time Series

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kuleshov, Ilya, Romanenkova, Evgenia, Zhuzhel, Vladislav, Boeva, Galina, Vorsin, Evgeni, Zaytsev, Alexey
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

Normalizing self-supervised learning for provably reliable Change Point Detection
von: Bazarova, Alexandra, et al.
Veröffentlicht: (2024)

WWAggr: A Window Wasserstein-based Aggregation for Ensemble Change Point Detection
von: Stepikin, Alexander, et al.
Veröffentlicht: (2025)

Parameter-Efficient Neural CDEs via Implicit Function Jacobians
von: Kuleshov, Ilya, et al.
Veröffentlicht: (2025)

Learning Transactions Representations for Information Management in Banks: Mastering Local, Global, and External Knowledge
von: Bazarova, Alexandra, et al.
Veröffentlicht: (2024)

U-Former ODE: Fast Probabilistic Forecasting of Irregular Time Series
von: Kuleshov, Ilya, et al.
Veröffentlicht: (2026)

InDiD: Instant Disorder Detection via Representation Learning
von: Romanenkova, Evgenia, et al.
Veröffentlicht: (2021)

Efficient Neural Controlled Differential Equations via Attentive Kernel Smoothing
von: Serov, Egor, et al.
Veröffentlicht: (2026)

Label Attention Network for Temporal Sets Prediction: You Were Looking at a Wrong Self-Attention
von: Kovtun, Elizaveta, et al.
Veröffentlicht: (2023)

AdaNODEs: Test Time Adaptation for Time Series Forecasting Using Neural ODEs
von: Dang, Ting, et al.
Veröffentlicht: (2026)

MODE: Efficient Time Series Prediction with Mamba Enhanced by Low-Rank Neural ODEs
von: Chen, Xingsheng, et al.
Veröffentlicht: (2026)

Continuous-time convolutions model of event sequences
von: Zhuzhel, Vladislav, et al.
Veröffentlicht: (2023)

XLand-100B: A Large-Scale Multi-Task Dataset for In-Context Reinforcement Learning
von: Nikulin, Alexander, et al.
Veröffentlicht: (2024)

From Causal Discovery to Dynamic Causal Inference in Neural Time Series
von: Zaytsev, Dmitry, et al.
Veröffentlicht: (2026)

A theoretical framework for self-supervised contrastive learning for continuous dependent data
von: Marusov, Alexander, et al.
Veröffentlicht: (2025)

BinConv: A Neural Architecture for Ordinal Encoding in Time-Series Forecasting
von: Chernov, Andrei, et al.
Veröffentlicht: (2025)

Holistic Uncertainty Estimation For Open-Set Recognition
von: Erlygin, Leonid, et al.
Veröffentlicht: (2024)

Concealed Adversarial attacks on neural networks for sequential data
von: Sokerin, Petr, et al.
Veröffentlicht: (2025)

FeDABoost: Fairness Aware Federated Learning with Adaptive Boosting
von: Arachchige, Tharuka Kasthuri, et al.
Veröffentlicht: (2025)

Beyond Predictions in Neural ODEs: Identification and Interventions
von: Aliee, Hananeh, et al.
Veröffentlicht: (2021)

Surrogate uncertainty estimation for your time series forecasting black-box: learn when to trust
von: Erlygin, Leonid, et al.
Veröffentlicht: (2023)

Learning Physics Informed Neural ODEs With Partial Measurements
von: Ghanem, Paul, et al.
Veröffentlicht: (2024)

Global Convergence in Neural ODEs: Impact of Activation Functions
von: Gao, Tianxiang, et al.
Veröffentlicht: (2025)

Stable Neural Stochastic Differential Equations in Analyzing Irregular Time Series Data
von: Oh, YongKyung, et al.
Veröffentlicht: (2024)

RanDeS: Randomized Delta Superposition for Multi-Model Compression
von: Zhou, Hangyu, et al.
Veröffentlicht: (2025)

Beyond Coefficients: Forecast-Necessity Testing for Interpretable Causal Discovery in Nonlinear Time-Series Models
von: Kuskova, Valentina, et al.
Veröffentlicht: (2026)

Temporally Detailed Hypergraph Neural ODEs for Disease Progression Modeling
von: Xiao, Tingsong, et al.
Veröffentlicht: (2025)

PolyNODE: Variable-dimension Neural ODEs on M-polyfolds
von: Åhag, Per, et al.
Veröffentlicht: (2026)

RandomNet: Clustering Time Series Using Untrained Deep Neural Networks
von: Li, Xiaosheng, et al.
Veröffentlicht: (2024)

Uncertainty-Aware Deep Attention Recurrent Neural Network for Heterogeneous Time Series Imputation
von: Qian, Linglong, et al.
Veröffentlicht: (2024)

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

Local Truncation Error-Guided Neural ODEs for Large Scale Traffic Forecasting
von: Zhang, Xiao, et al.
Veröffentlicht: (2026)

Feedback Favors the Generalization of Neural ODEs
von: Jia, Jindou, et al.
Veröffentlicht: (2024)

Physics-Informed Neural ODEs with Scale-Aware Residuals for Learning Stiff Biophysical Dynamics
von: Kainth, Kamalpreet Singh, et al.
Veröffentlicht: (2025)

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

BULL-ODE: Bullwhip Learning with Neural ODEs and Universal Differential Equations under Stochastic Demand
von: Naik, Nachiket N., et al.
Veröffentlicht: (2025)

DeepHGNN: Study of Graph Neural Network based Forecasting Methods for Hierarchically Related Multivariate Time Series
von: Sriramulu, Abishek, et al.
Veröffentlicht: (2024)

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

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

Unveiling LLM Mechanisms Through Neural ODEs and Control Theory
von: Zhang, Yukun, et al.
Veröffentlicht: (2024)

In-Context Reinforcement Learning for Variable Action Spaces
von: Sinii, Viacheslav, et al.
Veröffentlicht: (2023)