Buchumschlag

Higher-order Cross-structural Embedding Model for Time Series Analysis

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lin, Guancen, Shen, Cong, Lin, Aijing
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

NuTime: Numerically Multi-Scaled Embedding for Large-Scale Time-Series Pretraining
von: Lin, Chenguo, et al.
Veröffentlicht: (2023)

CrossLinear: Plug-and-Play Cross-Correlation Embedding for Time Series Forecasting with Exogenous Variables
von: Zhou, Pengfei, et al.
Veröffentlicht: (2025)

Black-Box Time-Series Domain Adaptation via Cross-Prompt Foundation Models
von: Furqon, M. T., et al.
Veröffentlicht: (2025)

Enhancing Channel-Independent Time Series Forecasting via Cross-Variate Patch Embedding
von: Shin, Donghwa, et al.
Veröffentlicht: (2025)

Higher-order Spatio-temporal Physics-incorporated Graph Neural Network for Multivariate Time Series Imputation
von: Liang, Guojun, et al.
Veröffentlicht: (2024)

Non-Stationarity in the Embedding Space of Time Series Foundation Models
von: Choi, Jinmyeong, et al.
Veröffentlicht: (2026)

A Time-Series Foundation Model by Universal Delay Embedding
von: Wang, Zijian, et al.
Veröffentlicht: (2025)

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

Toward Physics-guided Time Series Embedding
von: Hu, Jiaxi, et al.
Veröffentlicht: (2024)

Learning to Embed Time Series Patches Independently
von: Lee, Seunghan, et al.
Veröffentlicht: (2023)

Scalable Numerical Embeddings for Multivariate Time Series: Enhancing Healthcare Data Representation Learning
von: Huang, Chun-Kai, et al.
Veröffentlicht: (2024)

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

STEP: Learning STructured Embeddings for Progressive Time Series
von: Thil, Lucas, et al.
Veröffentlicht: (2026)

Temporal Dynamic Embedding for Irregularly Sampled Time Series
von: Kim, Mincheol, et al.
Veröffentlicht: (2025)

Continuous-Time Linear Positional Embedding for Irregular Time Series Forecasting
von: Kim, Byunghyun, et al.
Veröffentlicht: (2024)

Cross-device Zero-shot Label Transfer via Alignment of Time Series Foundation Model Embeddings
von: Ravindra, Neal G., et al.
Veröffentlicht: (2025)

TimeMixer++: A General Time Series Pattern Machine for Universal Predictive Analysis
von: Wang, Shiyu, et al.
Veröffentlicht: (2024)

D2Vformer: A Flexible Time Series Prediction Model Based on Time Position Embedding
von: Song, Xiaobao, et al.
Veröffentlicht: (2024)

HELIX: Hybrid Encoding with Learnable Identity and Cross-dimensional Synthesis for Time Series Imputation
von: Zhang, Fengming, et al.
Veröffentlicht: (2026)

Domain Fusion Controllable Generalization for Cross-Domain Time Series Forecasting from Multi-Domain Integrated Distribution
von: Ma, Xiangkai, et al.
Veröffentlicht: (2024)

FlexTSF: A Flexible Forecasting Model for Time Series with Variable Regularities
von: Xiao, Jingge, et al.
Veröffentlicht: (2024)

Preserving Temporal Dynamics in Time Series Generation
von: Lin, Ci, et al.
Veröffentlicht: (2026)

Warping and Matching Subsequences Between Time Series
von: Lin, Simiao, et al.
Veröffentlicht: (2025)

MH-pFLID: Model Heterogeneous personalized Federated Learning via Injection and Distillation for Medical Data Analysis
von: Xie, Luyuan, et al.
Veröffentlicht: (2024)

Continuity and Ordinality Matter: Constraining Time Series Tokens for Effective Time Series Analysis with Large Language Models
von: Li, Musheng, et al.
Veröffentlicht: (2026)

EDformer: Embedded Decomposition Transformer for Interpretable Multivariate Time Series Predictions
von: Chakraborty, Sanjay, et al.
Veröffentlicht: (2024)

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

Mixture-of-Linear-Experts for Long-term Time Series Forecasting
von: Ni, Ronghao, et al.
Veröffentlicht: (2023)

Are Large Language Models Useful for Time Series Data Analysis?
von: Tang, Francis, et al.
Veröffentlicht: (2024)

RandomNet: Clustering Time Series Using Untrained Deep Neural Networks
von: Li, Xiaosheng, et al.
Veröffentlicht: (2024)

TimeCNN: Refining Cross-Variable Interaction on Time Point for Time Series Forecasting
von: Hu, Ao, et al.
Veröffentlicht: (2024)

Cisco Time Series Model Technical Report
von: Gou, Liang, et al.
Veröffentlicht: (2025)

Exploring Progress in Multivariate Time Series Forecasting: Comprehensive Benchmarking and Heterogeneity Analysis
von: Shao, Zezhi, et al.
Veröffentlicht: (2023)

Time-Series Contrastive Learning against False Negatives and Class Imbalance
von: Jin, Xiyuan, et al.
Veröffentlicht: (2023)

PARM: Multi-Objective Test-Time Alignment via Preference-Aware Autoregressive Reward Model
von: Lin, Baijiong, et al.
Veröffentlicht: (2025)

ChronoGAN: Supervised and Embedded Generative Adversarial Networks for Time Series Generation
von: EskandariNasab, MohammadReza, et al.
Veröffentlicht: (2024)

Time and Frequency Synergy for Source-Free Time-Series Domain Adaptations
von: Furqon, Muhammad Tanzil, et al.
Veröffentlicht: (2024)

Breaking Silos: Adaptive Model Fusion Unlocks Better Time Series Forecasting
von: Liu, Zhining, et al.
Veröffentlicht: (2025)

Empowering Time Series Analysis with Foundation Models: A Comprehensive Survey
von: Ye, Jiexia, et al.
Veröffentlicht: (2024)

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