Buchumschlag

An Empirical Examination of Balancing Strategy for Counterfactual Estimation on Time Series

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Huang, Qiang, Meng, Chuizheng, Cao, Defu, Huang, Biwei, Chang, Yi, Liu, Yan
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

COSTAR: Improved Temporal Counterfactual Estimation with Self-Supervised Learning
von: Meng, Chuizheng, et al.
Veröffentlicht: (2023)

TimeDiT: General-purpose Diffusion Transformers for Time Series Foundation Model
von: Cao, Defu, et al.
Veröffentlicht: (2024)

When LLM Meets Time Series: Can LLMs Perform Multi-Step Time Series Reasoning and Inference
von: Ye, Wen, et al.
Veröffentlicht: (2025)

An Examination on the Effectiveness of Divide-and-Conquer Prompting in Large Language Models
von: Zhang, Yizhou, et al.
Veröffentlicht: (2024)

Advancing Counterfactual Inference through Nonlinear Quantile Regression
von: Xie, Shaoan, et al.
Veröffentlicht: (2023)

Foundation Models for Demand Forecasting via Dual-Strategy Ensembling
von: Yang, Wei, et al.
Veröffentlicht: (2025)

TimeCHEAT: A Channel Harmony Strategy for Irregularly Sampled Multivariate Time Series Analysis
von: Liu, Jiexi, et al.
Veröffentlicht: (2024)

TemporalBench: A Benchmark for Evaluating LLM-Based Agents on Contextual and Event-Informed Time Series Tasks
von: Weng, Muyan, et al.
Veröffentlicht: (2026)

Shapelet-based Model-agnostic Counterfactual Local Explanations for Time Series Classification
von: Huang, Qi, et al.
Veröffentlicht: (2024)

Active Sequential Posterior Estimation for Sample-Efficient Simulation-Based Inference
von: Griesemer, Sam, et al.
Veröffentlicht: (2024)

TS-Reasoner: Domain-Oriented Time Series Inference Agents for Reasoning and Automated Analysis
von: Ye, Wen, et al.
Veröffentlicht: (2024)

Causal Structure Learning in Hawkes Processes with Complex Latent Confounder Networks
von: Jin, Songyao, et al.
Veröffentlicht: (2025)

TEMPO: Prompt-based Generative Pre-trained Transformer for Time Series Forecasting
von: Cao, Defu, et al.
Veröffentlicht: (2023)

Motif-guided Time Series Counterfactual Explanations
von: Li, Peiyu, et al.
Veröffentlicht: (2022)

Natural Counterfactuals With Necessary Backtracking
von: Hao, Guang-Yuan, et al.
Veröffentlicht: (2024)

A Fast Kernel-based Conditional Independence test with Application to Causal Discovery
von: Schacht, Oliver, et al.
Veröffentlicht: (2025)

An Active Learning Framework with a Class Balancing Strategy for Time Series Classification
von: Das, Shemonto
Veröffentlicht: (2024)

Adopting Trustworthy AI for Sleep Disorder Prediction: Deep Time Series Analysis with Temporal Attention Mechanism and Counterfactual Explanations
von: Ahadian, Pegah, et al.
Veröffentlicht: (2024)

CEPAE: Conditional Entropy-Penalized Autoencoders for Time Series Counterfactuals
von: Garriga, Tomàs, et al.
Veröffentlicht: (2026)

Cross-Domain Pre-training with Language Models for Transferable Time Series Representations
von: Cheng, Mingyue, et al.
Veröffentlicht: (2024)

Beyond Observations: Reconstruction Error-Guided Irregularly Sampled Time Series Representation Learning
von: Liu, Jiexi, et al.
Veröffentlicht: (2025)

What-If Explanations Over Time: Counterfactuals for Time Series Classification
von: Schlegel, Udo, et al.
Veröffentlicht: (2026)

Towards Controllable Time Series Generation
von: Bao, Yifan, et al.
Veröffentlicht: (2024)

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

Structure Learning with Continuous Optimization: A Sober Look and Beyond
von: Ng, Ignavier, et al.
Veröffentlicht: (2023)

Interactive Counterfactual Generation for Univariate Time Series
von: Schlegel, Udo, et al.
Veröffentlicht: (2024)

TX-Gen: Multi-Objective Optimization for Sparse Counterfactual Explanations for Time-Series Classification
von: Huang, Qi, et al.
Veröffentlicht: (2024)

Time Series Feature Redundancy Paradox: An Empirical Study Based on Mortgage Default Prediction
von: Huang, Chengyue, et al.
Veröffentlicht: (2024)

GTM: A General Time-series Model for Enhanced Representation Learning of Time-Series Data
von: He, Cheng, et al.
Veröffentlicht: (2025)

GenFacts-Generative Counterfactual Explanations for Multi-Variate Time Series
von: Seifi, Sarah, et al.
Veröffentlicht: (2025)

Counterfactual Explanation for Auto-Encoder Based Time-Series Anomaly Detection
von: Srinivasan, Abhishek, et al.
Veröffentlicht: (2025)

Can LLMs Serve As Time Series Anomaly Detectors?
von: Dong, Manqing, et al.
Veröffentlicht: (2024)

Transformer-Based Spatial-Temporal Counterfactual Outcomes Estimation
von: Li, He, et al.
Veröffentlicht: (2025)

MuSiCNet: A Gradual Coarse-to-Fine Framework for Irregularly Sampled Multivariate Time Series Analysis
von: Liu, Jiexi, et al.
Veröffentlicht: (2024)

Effective Series Decomposition and Components Learning for Time Series Generation
von: Ma, Zixuan, et al.
Veröffentlicht: (2025)

Counterfactual Explanations for Time Series Should be Human-Centered and Temporally Coherent in Interventions
von: Chukwu, Emmanuel C., et al.
Veröffentlicht: (2025)

How to Unlock Time Series Editing? Diffusion-Driven Approach with Multi-Grained Control
von: Yu, Hao, et al.
Veröffentlicht: (2025)

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

FilterNet: Harnessing Frequency Filters for Time Series Forecasting
von: Yi, Kun, et al.
Veröffentlicht: (2024)

Causal Representation Meets Stochastic Modeling under Generic Geometry
von: Ren, Jiaxu, et al.
Veröffentlicht: (2026)