Buchumschlag

Mitigating Data Scarcity in Time Series Analysis: A Foundation Model with Series-Symbol Data Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Wenxuan, Wu, Kai, Li, Yujian Betterest, Wang, Dan, Zhang, Xiaoyu, Liu, Jing
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

Lightweight Time Series Data Valuation on Time Series Foundation Models via In-Context Finetuning
von: Wu, Shunyu, et al.
Veröffentlicht: (2025)

Rapid Plug-in Defenders
von: Wu, Kai, et al.
Veröffentlicht: (2023)

"Generative Models for Financial Time Series Data: Enhancing Signal-to-Noise Ratio and Addressing Data Scarcity in A-Share Market
von: Che, Guangming
Veröffentlicht: (2024)

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

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

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

TimeDiT: General-purpose Diffusion Transformers for Time Series Foundation Model
von: Cao, Defu, et al.
Veröffentlicht: (2024)

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

CauKer: Classification Time Series Foundation Models Can Be Pretrained on Synthetic Data
von: Xie, Shifeng, et al.
Veröffentlicht: (2025)

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

Towards Foundation Models for Zero-Shot Time Series Anomaly Detection: Leveraging Synthetic Data and Relative Context Discrepancy
von: Lan, Tian, et al.
Veröffentlicht: (2025)

Diversified Scaling Inference in Time Series Foundation Models
von: Hua, Ruijin, et al.
Veröffentlicht: (2026)

From Values to Tokens: An LLM-Driven Framework for Context-aware Time Series Forecasting via Symbolic Discretization
von: Tao, Xiaoyu, et al.
Veröffentlicht: (2025)

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

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

BeamVQ: Beam Search with Vector Quantization to Mitigate Data Scarcity in Physical Spatiotemporal Forecasting
von: Wang, Weiyan, et al.
Veröffentlicht: (2025)

Data-Efficient Symbolic Regression via Foundation Model Distillation
von: Ying, Wangyang, et al.
Veröffentlicht: (2025)

A Comparative Study on How Data Normalization Affects Zero-Shot Generalization in Time Series Foundation Models
von: Ahmed, Ihab, et al.
Veröffentlicht: (2025)

A Survey on Diffusion Models for Time Series and Spatio-Temporal Data
von: Yang, Yiyuan, et al.
Veröffentlicht: (2024)

Leveraging Generic Time Series Foundation Models for EEG Classification
von: Gnassounou, Théo, et al.
Veröffentlicht: (2025)

Discrete Prototypical Memories for Federated Time Series Foundation Models
von: Deng, Liwei, et al.
Veröffentlicht: (2026)

pyFAST: A Modular PyTorch Framework for Time Series Modeling with Multi-source and Sparse Data
von: Wang, Zhijin, et al.
Veröffentlicht: (2025)

Diffusion Transformers for Tabular Data Time Series Generation
von: Garuti, Fabrizio, et al.
Veröffentlicht: (2025)

Pretrained Optimization Model for Zero-Shot Black Box Optimization
von: Li, Xiaobin, et al.
Veröffentlicht: (2024)

LOCAL: Learning with Orientation Matrix to Infer Causal Structure from Time Series Data
von: Zhang, Jiajun, et al.
Veröffentlicht: (2024)

This Time is Different: An Observability Perspective on Time Series Foundation Models
von: Cohen, Ben, et al.
Veröffentlicht: (2025)

Foundation Models for Time Series: A Survey
von: Kottapalli, Siva Rama Krishna, et al.
Veröffentlicht: (2025)

A Time-Series Data Augmentation Model through Diffusion and Transformer Integration
von: Zhang, Yuren, et al.
Veröffentlicht: (2025)

Evaluating Temporal Plasticity in Foundation Time Series Models for Incremental Fine-tuning
von: Liu, Jia, et al.
Veröffentlicht: (2025)

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

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

Extending Tabular Denoising Diffusion Probabilistic Models for Time-Series Data Generation
von: Dobhal, Umang, et al.
Veröffentlicht: (2026)

Less is More: Unlocking Specialization of Time Series Foundation Models via Structured Pruning
von: Zhao, Lifan, et al.
Veröffentlicht: (2025)

IdealTSF: Can Non-Ideal Data Contribute to Enhancing the Performance of Time Series Forecasting Models?
von: Wang, Hua, et al.
Veröffentlicht: (2025)

UniCA: Unified Covariate Adaptation for Time Series Foundation Model
von: Han, Lu, et al.
Veröffentlicht: (2025)

WaveMoE: A Wavelet-Enhanced Mixture-of-Experts Foundation Model for Time Series Forecasting
von: Wu, Shunyu, et al.
Veröffentlicht: (2026)

IRNN: Innovation-driven Recurrent Neural Network for Time-Series Data Modeling and Prediction
von: Zhou, Yifan, et al.
Veröffentlicht: (2025)

A Multi-scenario Attention-based Generative Model for Personalized Blood Pressure Time Series Forecasting
von: Wan, Cheng, et al.
Veröffentlicht: (2024)

InstructTime++: Time Series Classification with Multimodal Language Modeling via Implicit Feature Enhancement
von: Cheng, Mingyue, et al.
Veröffentlicht: (2026)