:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sood, Rohin, Zhu, Kevin
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2408.14010
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Adaptive Inference-Time Compute: LLMs Can Predict if They Can Do Better, Even Mid-Generation
von: Manvi, Rohin, et al.
Veröffentlicht: (2024)

Lake Detection and Water Quality Estimation in Sentinel-2 Data
von: Pleşu, Iulia, et al.
Veröffentlicht: (2026)

Network Contagion in Financial Labor Markets: Predicting Turnover in Hong Kong
von: AlKetbi, Abdulla, et al.
Veröffentlicht: (2025)

Creating and Leveraging a Synthetic Dataset of Cloud Optical Thickness Measures for Cloud Detection in MSI
von: Pirinen, Aleksis, et al.
Veröffentlicht: (2023)

Sentinel: Dynamic Knowledge Distillation for Personalized Federated Intrusion Detection in Heterogeneous IoT Networks
von: Singh, Gurpreet, et al.
Veröffentlicht: (2025)

Incorporating Taylor Series and Recursive Structure in Neural Networks for Time Series Prediction
von: Mau, Jarrod, et al.
Veröffentlicht: (2024)

Solving the Unsolvable: Translating Case Law in Hong Kong
von: Sin, King-kui, et al.
Veröffentlicht: (2025)

Analogue Forecast System for Daily Precipitation Prediction Using Autoencoder Feature Extraction: Application in Hong Kong
von: Tsoi, Yee Chun, et al.
Veröffentlicht: (2025)

Zero-Overhead Introspection for Adaptive Test-Time Compute
von: Manvi, Rohin, et al.
Veröffentlicht: (2025)

Sentinel: Multi-Patch Transformer with Temporal and Channel Attention for Time Series Forecasting
von: Villaboni, Davide, et al.
Veröffentlicht: (2025)

HKGAI-V1: Towards Regional Sovereign Large Language Model for Hong Kong
von: Han, Sirui, et al.
Veröffentlicht: (2025)

Deterministic Reservoir Computing for Chaotic Time Series Prediction
von: Viehweg, Johannes, et al.
Veröffentlicht: (2025)

Data-driven Lake Water Quality Forecasting for Time Series with Missing Data using Machine Learning
von: Chatterjee, Rishit, et al.
Veröffentlicht: (2026)

Performance of Zero-Shot Time Series Foundation Models on Cloud Data
von: Toner, William, et al.
Veröffentlicht: (2025)

Temporal Window Smoothing of Exogenous Variables for Improved Time Series Prediction
von: Kamal, Mustafa, et al.
Veröffentlicht: (2025)

Improving Internet Traffic Matrix Prediction via Time Series Clustering
von: Cash, Martha, et al.
Veröffentlicht: (2025)

Cloud-Based Remote Sensing with Google Earth Engine
Veröffentlicht: (2023)

Improving Anomaly Detection in Industrial Time Series: The Role of Segmentation and Heterogeneous Ensemble
von: Mastriani, Emilio, et al.
Veröffentlicht: (2025)

Stable Prediction of Adverse Events in Medical Time-Series Data
von: Keoliya, Mayank, et al.
Veröffentlicht: (2025)

Sentinel: Scheduling Live Streams with Proactive Anomaly Detection in Crowdsourced Cloud-Edge Platforms
von: Li, Yuting, et al.
Veröffentlicht: (2025)

A Predictive Approach To Enhance Time-Series Forecasting
von: Gunasekaran, Skye, et al.
Veröffentlicht: (2024)

Mapping of Weed Management Methods in Orchards using Sentinel-2 and PlanetScope Data
von: Kontogiorgakis, Ioannis, et al.
Veröffentlicht: (2025)

Forest Proximities for Time Series
von: Shaw, Ben, et al.
Veröffentlicht: (2024)

QuitoBench: A High-Quality Open Time Series Forecasting Benchmark
von: Xue, Siqiao, et al.
Veröffentlicht: (2026)

Global Offshore Wind Infrastructure: Deployment and Operational Dynamics from Dense Sentinel-1 Time Series
von: Hoeser, Thorsten, et al.
Veröffentlicht: (2026)

Super-Resolved Canopy Height Mapping from Sentinel-2 Time Series Using Airborne LiDAR HD Reference Data across Metropolitan France
von: Kalinicheva, Ekaterina, et al.
Veröffentlicht: (2025)

Powerful rank verification for multivariate Gaussian data with any covariance structure
von: Sood, Anav
Veröffentlicht: (2025)

Transformer Conformal Prediction for Time Series
von: Lee, Junghwan, et al.
Veröffentlicht: (2024)

Can we Improve Prediction of Psychotherapy Outcomes Through Pretraining With Simulated Data?
von: Jacobs, Niklas, et al.
Veröffentlicht: (2026)

Improving Dictionary Learning with Gated Sparse Autoencoders
von: Rajamanoharan, Senthooran, et al.
Veröffentlicht: (2024)

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

Rating Quality of Diverse Time Series Data by Meta-learning from LLM Judgment
von: Wu, Shunyu, et al.
Veröffentlicht: (2025)

STTS-EAD: Improving Spatio-Temporal Learning Based Time Series Prediction via
von: Liang, Yuanyuan, et al.
Veröffentlicht: (2025)

Analyzing and Improving Diffusion Models for Time-Series Data Imputation: A Proximal Recursion Perspective
von: Chen, Zhichao, et al.
Veröffentlicht: (2026)

High-Quality Synthetic Financial Time-Series using a GAN-Diffusion Framework
von: Masi, Giuseppe, et al.
Veröffentlicht: (2026)

Stock Volatility Prediction using Time Series and Deep Learning Approach
von: Chatterjee, Ananda, et al.
Veröffentlicht: (2022)

Conformal Prediction Regions for Time Series using Linear Complementarity Programming
von: Cleaveland, Matthew, et al.
Veröffentlicht: (2023)

AtP*: An efficient and scalable method for localizing LLM behaviour to components
von: Kramár, János, et al.
Veröffentlicht: (2024)

Aligned, Orthogonal or In-conflict: When can we safely optimize Chain-of-Thought?
von: Kaufmann, Max, et al.
Veröffentlicht: (2026)

Time Series Viewmakers for Robust Disruption Prediction
von: Chayapathy, Dhruva, et al.
Veröffentlicht: (2024)