:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Xu, Yuanjian, Liu, Anxian, Hao, Jianing, Li, Zhenzhuo, Meng, Shichang, Zhang, Guang
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Artificial Intelligence Machine Learning
Online-Zugang:	https://arxiv.org/abs/2408.10111
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Adapting to the Unknown: Robust Meta-Learning for Zero-Shot Financial Time Series Forecasting
von: Liu, Anxian, et al.
Veröffentlicht: (2025)

TimelyGPT: Extrapolatable Transformer Pre-training for Long-term Time-Series Forecasting in Healthcare
von: Song, Ziyang, et al.
Veröffentlicht: (2023)

Rethinking Data Mixing from the Perspective of Large Language Models
von: Xu, Yuanjian, et al.
Veröffentlicht: (2026)

TripCast: Pre-training of Masked 2D Transformers for Trip Time Series Forecasting
von: Liao, Yuhua, et al.
Veröffentlicht: (2024)

Graph Generative Pre-trained Transformer
von: Chen, Xiaohui, et al.
Veröffentlicht: (2025)

Measuring Pre-training Data Quality without Labels for Time Series Foundation Models
von: Wen, Songkang, et al.
Veröffentlicht: (2024)

QKCV Attention: Enhancing Time Series Forecasting with Static Categorical Embeddings for Both Lightweight and Pre-trained Foundation Models
von: Wang, Hao, et al.
Veröffentlicht: (2025)

UniMTS: Unified Pre-training for Motion Time Series
von: Zhang, Xiyuan, et al.
Veröffentlicht: (2024)

Gradient-based Fine-Tuning through Pre-trained Model Regularization
von: Liu, Xuanbo, et al.
Veröffentlicht: (2025)

DeCoP: Enhancing Self-Supervised Time Series Representation with Dependency Controlled Pre-training
von: Wu, Yuemin, et al.
Veröffentlicht: (2025)

A Time Series Multitask Framework Integrating a Large Language Model, Pre-Trained Time Series Model, and Knowledge Graph
von: Hao, Shule, et al.
Veröffentlicht: (2025)

Towards Efficient Pre-training: Exploring FP4 Precision in Large Language Models
von: Zhou, Jiecheng, et al.
Veröffentlicht: (2025)

GraphGPT: Generative Pre-trained Graph Eulerian Transformer
von: Zhao, Qifang, et al.
Veröffentlicht: (2023)

DELPHYNE: A Pre-Trained Model for General and Financial Time Series
von: Ding, Xueying, et al.
Veröffentlicht: (2025)

Unleashing The Power of Pre-Trained Language Models for Irregularly Sampled Time Series
von: Zhang, Weijia, et al.
Veröffentlicht: (2024)

D$^3$: Dynamic Directional Graph-Constrained Data Scheduling for LLM Training
von: Xu, Yuanjian, et al.
Veröffentlicht: (2026)

HGAN-SDEs: Learning Neural Stochastic Differential Equations with Hermite-Guided Adversarial Training
von: Xu, Yuanjian, et al.
Veröffentlicht: (2025)

TempoPFN: Synthetic Pre-training of Linear RNNs for Zero-shot Time Series Forecasting
von: Moroshan, Vladyslav, et al.
Veröffentlicht: (2025)

SlimQwen: Exploring the Pruning and Distillation in Large MoE Model Pre-training
von: Tang, Shengkun, et al.
Veröffentlicht: (2026)

Fine-Tuning Pre-trained Large Time Series Models for Prediction of Wind Turbine SCADA Data
von: Fan, Yuwei, et al.
Veröffentlicht: (2024)

Hindsight Preference Optimization for Financial Time Series Advisory
von: Cui, Yanwei, et al.
Veröffentlicht: (2026)

FinRipple: Aligning Large Language Models with Financial Market for Event Ripple Effect Awareness
von: Xu, Yuanjian, et al.
Veröffentlicht: (2025)

Interpretable Pre-Trained Transformers for Heart Time-Series Data
von: Davies, Harry J., et al.
Veröffentlicht: (2024)

Tiny Time Mixers (TTMs): Fast Pre-trained Models for Enhanced Zero/Few-Shot Forecasting of Multivariate Time Series
von: Ekambaram, Vijay, et al.
Veröffentlicht: (2024)

Multi-period Learning for Financial Time Series Forecasting
von: Zhang, Xu, et al.
Veröffentlicht: (2025)

A Pre-trained Reaction Embedding Descriptor Capturing Bond Transformation Patterns
von: Liu, Weiqi, et al.
Veröffentlicht: (2026)

Quantifying the Pre-training Dividend: Generative versus Latent Self-Supervised Learning for Time Series Foundation Models
von: Major, Noam, et al.
Veröffentlicht: (2026)

A Survey on Time-Series Pre-Trained Models
von: Ma, Qianli, et al.
Veröffentlicht: (2023)

Enhancing Time Series Forecasting via Logic-Inspired Regularization
von: Zhang, Jianqi, et al.
Veröffentlicht: (2025)

On the Regularization of Learnable Embeddings for Time Series Forecasting
von: Butera, Luca, et al.
Veröffentlicht: (2024)

Characteristic Root Analysis and Regularization for Linear Time Series Forecasting
von: Wang, Zheng, et al.
Veröffentlicht: (2025)

Time Series Modeling for Heart Rate Prediction: From ARIMA to Transformers
von: Ni, Haowei, et al.
Veröffentlicht: (2024)

VARMA-Enhanced Transformer for Time Series Forecasting
von: Song, Jiajun, et al.
Veröffentlicht: (2025)

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

Exploring Scalability in Large-Scale Time Series in DeepVATS framework
von: Santamaria-Valenzuela, Inmaculada, et al.
Veröffentlicht: (2024)

Large Language Model Guided Knowledge Distillation for Time Series Anomaly Detection
von: Liu, Chen, et al.
Veröffentlicht: (2024)

One Prompt Word is Enough to Boost Adversarial Robustness for Pre-trained Vision-Language Models
von: Li, Lin, et al.
Veröffentlicht: (2024)

Priming: Hybrid State Space Models From Pre-trained Transformers
von: Chattopadhyay, Aditya, et al.
Veröffentlicht: (2026)

Transformers and Their Roles as Time Series Foundation Models
von: Wu, Dennis, et al.
Veröffentlicht: (2025)

TimeXer: Empowering Transformers for Time Series Forecasting with Exogenous Variables
von: Wang, Yuxuan, et al.
Veröffentlicht: (2024)