:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kanatbekova, Meerzhan, Ilager, Shashikant, Brandic, Ivona
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	https://arxiv.org/abs/2410.10285
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Clustered Federated Learning with Hierarchical Knowledge Distillation
von: Ahmad, Sabtain, et al.
Veröffentlicht: (2025)

FLIGAN: Enhancing Federated Learning with Incomplete Data using GAN
von: Maliakel, Paul Joe, et al.
Veröffentlicht: (2024)

Characterizing LLM Inference Energy-Performance Tradeoffs across Workloads and GPU Scaling
von: Maliakel, Paul Joe, et al.
Veröffentlicht: (2025)

DynaSplit: A Hardware-Software Co-Design Framework for Energy-Aware Inference on Edge
von: May, Daniel, et al.
Veröffentlicht: (2024)

GREEN-CODE: Learning to Optimize Energy Efficiency in LLM-based Code Generation
von: Ilager, Shashikant, et al.
Veröffentlicht: (2025)

Qubit-Efficient QUBO Formulation for Constrained Optimization Problems
von: Kanatbekova, Meerzhan, et al.
Veröffentlicht: (2025)

GreenServ: Energy-Efficient Context-Aware Dynamic Routing for Multi-Model LLM Inference
von: Ziller, Thomas, et al.
Veröffentlicht: (2026)

A Decentralized and Self-Adaptive Approach for Monitoring Volatile Edge Environments
von: Ilager, Shashikant, et al.
Veröffentlicht: (2024)

FRESCO: Fast and Reliable Edge Offloading with Reputation-based Hybrid Smart Contracts
von: Zilic, Josip, et al.
Veröffentlicht: (2024)

Training Computer Scientists for the Challenges of Hybrid Quantum-Classical Computing
von: De Maio, Vincenzo, et al.
Veröffentlicht: (2024)

LLM-ABBA: Understanding time series via symbolic approximation
von: Chen, Xinye, et al.
Veröffentlicht: (2024)

ARKV: Adaptive and Resource-Efficient KV Cache Management under Limited Memory Budget for Long-Context Inference in LLMs
von: Lei, Jianlong, et al.
Veröffentlicht: (2026)

ABBA-Adapters: Efficient and Expressive Fine-Tuning of Foundation Models
von: Singhal, Raghav, et al.
Veröffentlicht: (2025)

Exploring Spiking Neural Networks for Binary Classification in Multivariate Time Series at the Edge
von: Ghawaly, James, et al.
Veröffentlicht: (2025)

T-Rep: Representation Learning for Time Series using Time-Embeddings
von: Fraikin, Archibald, et al.
Veröffentlicht: (2023)

Synthetic Series-Symbol Data Generation for Time Series Foundation Models
von: Wang, Wenxuan, et al.
Veröffentlicht: (2025)

Streaming IoT Data and the Quantum Edge: A Classic/Quantum Machine Learning Use Case
von: Herbst, Sabrina, et al.
Veröffentlicht: (2024)

Time Series Representation Models
von: Leppich, Robert, et al.
Veröffentlicht: (2024)

HRS: Hybrid Representation Framework with Scheduling Awareness for Time Series Forecasting in Crowdsourced Cloud-Edge Platforms
von: Zhang, Tiancheng, et al.
Veröffentlicht: (2025)

Mitigating Data Scarcity in Time Series Analysis: A Foundation Model with Series-Symbol Data Generation
von: Wang, Wenxuan, et al.
Veröffentlicht: (2025)

Semi-Periodic Activation for Time Series Classification
von: Júnior, José Gilberto Barbosa de Medeiros, et al.
Veröffentlicht: (2024)

Attention as Robust Representation for Time Series Forecasting
von: Niu, PeiSong, et al.
Veröffentlicht: (2024)

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

TimeDRL: Disentangled Representation Learning for Multivariate Time-Series
von: Chang, Ching, et al.
Veröffentlicht: (2023)

ST-Tree with Interpretability for Multivariate Time Series Classification
von: Du, Mingsen, et al.
Veröffentlicht: (2024)

CAFO: Feature-Centric Explanation on Time Series Classification
von: Kim, Jaeho, et al.
Veröffentlicht: (2024)

Evaluating Simplification Algorithms for Interpretability of Time Series Classification
von: Håvardstun, Brigt, et al.
Veröffentlicht: (2025)

CRITS: Convolutional Rectifier for Interpretable Time Series Classification
von: Kuratomi, Alejandro, et al.
Veröffentlicht: (2025)

Mechanistic Interpretability for Transformer-based Time Series Classification
von: Kalnāre, Matīss, et al.
Veröffentlicht: (2025)

Universal Time-Series Representation Learning: A Survey
von: Trirat, Patara, et al.
Veröffentlicht: (2024)

Laplacian Convolutional Representation for Traffic Time Series Imputation
von: Chen, Xinyu, et al.
Veröffentlicht: (2022)

Time Series Representations for Classification Lie Hidden in Pretrained Vision Transformers
von: Roschmann, Simon, et al.
Veröffentlicht: (2025)

Improving Time Series Classification with Representation Soft Label Smoothing
von: Ma, Hengyi, et al.
Veröffentlicht: (2024)

INAR-VL: Input-Aware Routing for Edge-Cloud Vision-Language Inference
von: Šabanović, Ahmed, et al.
Veröffentlicht: (2026)

On Optimizing Hyperparameters for Quantum Neural Networks
von: Herbst, Sabrina, et al.
Veröffentlicht: (2024)

Limits of quantum generative models with classical sampling hardness
von: Herbst, Sabrina, et al.
Veröffentlicht: (2025)

Bridging Neural Networks and Dynamic Time Warping for Adaptive Time Series Classification
von: Qu, Jintao, et al.
Veröffentlicht: (2025)

A Novel Hyperdimensional Computing Framework for Online Time Series Forecasting on the Edge
von: Mejri, Mohamed, et al.
Veröffentlicht: (2024)

Time-Series Classification for Dynamic Strategies in Multi-Step Forecasting
von: Green, Riku, et al.
Veröffentlicht: (2024)

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