Buchumschlag

Time-Series Forecasting, Knowledge Distillation, and Refinement within a Multimodal PDE Foundation Model

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jollie, Derek, Sun, Jingmin, Zhang, Zecheng, Schaeffer, Hayden
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

PROSE-FD: A Multimodal PDE Foundation Model for Learning Multiple Operators for Forecasting Fluid Dynamics
von: Liu, Yuxuan, et al.
Veröffentlicht: (2024)

Towards a Foundation Model for Partial Differential Equations: Multi-Operator Learning and Extrapolation
von: Sun, Jingmin, et al.
Veröffentlicht: (2024)

BCAT: A Block Causal Transformer for PDE Foundation Models for Fluid Dynamics
von: Liu, Yuxuan, et al.
Veröffentlicht: (2025)

LeMON: Learning to Learn Multi-Operator Networks
von: Sun, Jingmin, et al.
Veröffentlicht: (2024)

A Deep Learning Framework for Multi-Operator Learning: Architectures and Approximation Theory
von: Weihs, Adrien, et al.
Veröffentlicht: (2025)

PI-MFM: Physics-informed multimodal foundation model for solving partial differential equations
von: Zhu, Min, et al.
Veröffentlicht: (2025)

A Multimodal PDE Foundation Model for Prediction and Scientific Text Descriptions
von: Negrini, Elisa, et al.
Veröffentlicht: (2025)

Neural Scaling Laws of Deep ReLU and Deep Operator Network: A Theoretical Study
von: Liu, Hao, et al.
Veröffentlicht: (2024)

DeepONet as a Multi-Operator Extrapolation Model: Distributed Pretraining with Physics-Informed Fine-Tuning
von: Zhang, Zecheng, et al.
Veröffentlicht: (2024)

Distilling Time Series Foundation Models for Efficient Forecasting
von: Li, Yuqi, et al.
Veröffentlicht: (2026)

Optimizing Hard Thresholding for Sparse Model Discovery
von: Jollie, Derek W., et al.
Veröffentlicht: (2025)

How Foundational are Foundation Models for Time Series Forecasting?
von: Karaouli, Nouha, et al.
Veröffentlicht: (2025)

TimeFound: A Foundation Model for Time Series Forecasting
von: Xiao, Congxi, et al.
Veröffentlicht: (2025)

SEMPO: Lightweight Foundation Models for Time Series Forecasting
von: He, Hui, et al.
Veröffentlicht: (2025)

Deep Analysis of Time Series Data for Smart Grid Startup Strategies: A Transformer-LSTM-PSO Model Approach
von: Zhang, Zecheng
Veröffentlicht: (2024)

Efficient Multivariate Time Series Forecasting via Calibrated Language Models with Privileged Knowledge Distillation
von: Liu, Chenxi, et al.
Veröffentlicht: (2025)

Time Series Foundation Models for Multivariate Financial Time Series Forecasting
von: Marconi, Ben A.
Veröffentlicht: (2025)

Harmonic Dataset Distillation for Time Series Forecasting
von: Hong, Seungha, et al.
Veröffentlicht: (2026)

Time Series Foundation Models for Process Model Forecasting
von: Yu, Yongbo, et al.
Veröffentlicht: (2025)

TSFMAudit: Data Contamination Auditing in Forecasting Time Series Foundation Models
von: Li, Hongkai, et al.
Veröffentlicht: (2026)

Modeling Temporal Dependencies within the Target for Long-Term Time Series Forecasting
von: Xiong, Qi, et al.
Veröffentlicht: (2024)

DAM: Towards A Foundation Model for Time Series Forecasting
von: Darlow, Luke, et al.
Veröffentlicht: (2024)

Lightweight Online Adaption for Time Series Foundation Model Forecasts
von: Lee, Thomas L., et al.
Veröffentlicht: (2025)

Time Tracker: Mixture-of-Experts-Enhanced Foundation Time Series Forecasting Model with Decoupled Training Pipelines
von: Liang, Aobo, et al.
Veröffentlicht: (2025)

A Mamba Foundation Model for Time Series Forecasting
von: Ma, Haoyu, et al.
Veröffentlicht: (2024)

A Survey of Deep Learning and Foundation Models for Time Series Forecasting
von: Miller, John A., et al.
Veröffentlicht: (2024)

Explainable Load Forecasting with Covariate-Informed Time Series Foundation Models
von: Hertel, Matthias, et al.
Veröffentlicht: (2026)

Shapelets-Enriched Selective Forecasting using Time Series Foundation Models
von: Tomar, Shivani, et al.
Veröffentlicht: (2026)

TimeRAF: Retrieval-Augmented Foundation model for Zero-shot Time Series Forecasting
von: Zhang, Huanyu, et al.
Veröffentlicht: (2024)

AdaGrad Meets Muon: Adaptive Stepsizes for Orthogonal Updates
von: Zhang, Minxin, et al.
Veröffentlicht: (2025)

Time-FFM: Towards LM-Empowered Federated Foundation Model for Time Series Forecasting
von: Liu, Qingxiang, et al.
Veröffentlicht: (2024)

TimeDistill: Efficient Long-Term Time Series Forecasting with MLP via Cross-Architecture Distillation
von: Ni, Juntong, et al.
Veröffentlicht: (2025)

Generalization Bounds and Statistical Guarantees for Multi-Task and Multiple Operator Learning with MNO Networks
von: Weihs, Adrien, et al.
Veröffentlicht: (2026)

Time-Series Foundation Models for Forecasting Soil Moisture Levels in Smart Agriculture
von: Deforce, Boje, et al.
Veröffentlicht: (2024)

Probabilistic Forecasting for Building Energy Systems using Time-Series Foundation Models
von: Park, Young Jin, et al.
Veröffentlicht: (2025)

T-LLM: Teaching Large Language Models to Forecast Time Series via Temporal Distillation
von: Guo, Suhan, et al.
Veröffentlicht: (2026)

DiTS: Multimodal Diffusion Transformers Are Time Series Forecasters
von: Zhang, Haoran, et al.
Veröffentlicht: (2026)

Assessing the Operational Viability of Foundation Models for Time Series Forecasting
von: Soni, Kavin, et al.
Veröffentlicht: (2026)

Dual-Forecaster: A Multimodal Time Series Model Integrating Descriptive and Predictive Texts
von: Wu, Wenfa, et al.
Veröffentlicht: (2025)

Context-Aware Probabilistic Modeling with LLM for Multimodal Time Series Forecasting
von: Yao, Yueyang, et al.
Veröffentlicht: (2025)