Buchumschlag

On-device AI: Quantization-aware Training of Transformers in Time-Series

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ling, Tianheng, Schiele, Gregor
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

Integer-only Quantized Transformers for Embedded FPGA-based Time-series Forecasting in AIoT
von: Ling, Tianheng, et al.
Veröffentlicht: (2024)

An Automated Approach to Collecting and Labeling Time Series Data for Event Detection Using Elastic Node Hardware
von: Ling, Tianheng, et al.
Veröffentlicht: (2024)

On-Device Soft Sensors: Real-Time Fluid Flow Estimation from Level Sensor Data
von: Ling, Tianheng, et al.
Veröffentlicht: (2023)

ElasticAI: Creating and Deploying Energy-Efficient Deep Learning Accelerator for Pervasive Computing
von: Qian, Chao, et al.
Veröffentlicht: (2024)

Resource-aware Mixed-precision Quantization for Enhancing Deployability of Transformers for Time-series Forecasting on Embedded FPGAs
von: Ling, Tianheng, et al.
Veröffentlicht: (2024)

Automating Versatile Time-Series Analysis with Tiny Transformers on Embedded FPGAs
von: Ling, Tianheng, et al.
Veröffentlicht: (2025)

Enabling Vibration-Based Gesture Recognition on Everyday Furniture via Energy-Efficient FPGA Implementation of 1D Convolutional Networks
von: Shibata, Koki, et al.
Veröffentlicht: (2025)

FlowPrecision: Advancing FPGA-Based Real-Time Fluid Flow Estimation with Linear Quantization
von: Ling, Tianheng, et al.
Veröffentlicht: (2024)

A Resilient Solution for Sewer Overflow Monitoring across Cloud and Edge
von: Singh, Vipin, et al.
Veröffentlicht: (2026)

Evaluating Time Series Models for Urban Wastewater Management: Predictive Performance, Model Complexity and Resilience
von: Singh, Vipin, et al.
Veröffentlicht: (2025)

Towards Auto-Building of Embedded FPGA-based Soft Sensors for Wastewater Flow Estimation
von: Ling, Tianheng, et al.
Veröffentlicht: (2024)

Automated Energy-Aware Time-Series Model Deployment on Embedded FPGAs for Resilient Combined Sewer Overflow Management
von: Ling, Tianheng, et al.
Veröffentlicht: (2025)

Unified Training of Universal Time Series Forecasting Transformers
von: Woo, Gerald, et al.
Veröffentlicht: (2024)

Sparse-VQ Transformer: An FFN-Free Framework with Vector Quantization for Enhanced Time Series Forecasting
von: Zhao, Yanjun, et al.
Veröffentlicht: (2024)

Idle is the New Sleep: Configuration-Aware Alternative to Powering Off FPGA-Based DL Accelerators During Inactivity
von: Qian, Chao, et al.
Veröffentlicht: (2024)

ShapeFormer: Shapelet Transformer for Multivariate Time Series Classification
von: Le, Xuan-May, et al.
Veröffentlicht: (2024)

PAMNet: Cycle-aware Phase-Amplitude Modulation Network for Multivariate Time Series Forecasting
von: Zhou, Yingbo, et al.
Veröffentlicht: (2026)

DAQ: Density-Aware Post-Training Weight-Only Quantization For LLMs
von: Luo, Yingsong, et al.
Veröffentlicht: (2024)

One Transformer for All Time Series: Representing and Training with Time-Dependent Heterogeneous Tabular Data
von: Luetto, Simone, et al.
Veröffentlicht: (2023)

xaitimesynth: A Python Package for Evaluating Attribution Methods for Time Series with Synthetic Ground Truth
von: Baer, Gregor
Veröffentlicht: (2026)

StrikeWatch: Wrist-worn Gait Recognition with Compact Time-series Models on Low-power FPGAs
von: Ling, Tianheng, et al.
Veröffentlicht: (2025)

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

TempoGPT: Enhancing Time Series Reasoning via Quantizing Embedding
von: Zhang, Haochuan, et al.
Veröffentlicht: (2025)

Towards Next-Level Post-Training Quantization of Hyper-Scale Transformers
von: Kim, Junhan, et al.
Veröffentlicht: (2024)

Survey and Taxonomy: The Role of Data-Centric AI in Transformer-Based Time Series Forecasting
von: Xu, Jingjing, et al.
Veröffentlicht: (2024)

Reasoning-Aware Training for Time Series Forecasting
von: Ahamed, Md Atik, et al.
Veröffentlicht: (2026)

Toto: Time Series Optimized Transformer for Observability
von: Cohen, Ben, et al.
Veröffentlicht: (2024)

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

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

Class-Dependent Perturbation Effects in Evaluating Time Series Attributions
von: Baer, Gregor, et al.
Veröffentlicht: (2025)

HTMformer: Hybrid Time and Multivariate Transformer for Time Series Forecasting
von: Wang, Tan, et al.
Veröffentlicht: (2025)

Data-driven Modeling of Combined Sewer Systems for Urban Sustainability: An Empirical Evaluation
von: Singh, Vipin, et al.
Veröffentlicht: (2024)

Training and Evaluating Causal Forecasting Models for Time-Series
von: Crasson, Thomas, et al.
Veröffentlicht: (2024)

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

ADAPTive Input Training for Many-to-One Pre-Training on Time-Series Classification
von: Quinlan, Paul, et al.
Veröffentlicht: (2026)

How to Parameterize Asymmetric Quantization Ranges for Quantization-Aware Training
von: You, Jaeseong, et al.
Veröffentlicht: (2024)

ContiFormer: Continuous-Time Transformer for Irregular Time Series Modeling
von: Chen, Yuqi, et al.
Veröffentlicht: (2024)

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

APTQ: Attention-aware Post-Training Mixed-Precision Quantization for Large Language Models
von: Guan, Ziyi, et al.
Veröffentlicht: (2024)

DBGL: Decay-aware Bipartite Graph Learning for Irregular Medical Time Series Classification
von: Chen, Jian, et al.
Veröffentlicht: (2026)