Buchumschlag

Patch-wise Structural Loss for Time Series Forecasting

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kudrat, Dilfira, Xie, Zongxia, Sun, Yanru, Jia, Tianyu, Hu, Qinghua
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Lightweight Channel-wise Dynamic Fusion Model: Non-stationary Time Series Forecasting via Entropy Analysis
von: Jia, Tianyu, et al.
Veröffentlicht: (2025)

Learning Pattern-Specific Experts for Time Series Forecasting Under Patch-level Distribution Shift
von: Sun, Yanru, et al.
Veröffentlicht: (2024)

PPGF: Probability Pattern-Guided Time Series Forecasting
von: Sun, Yanru, et al.
Veröffentlicht: (2025)

Hierarchical Classification Auxiliary Network for Time Series Forecasting
von: Sun, Yanru, et al.
Veröffentlicht: (2024)

SEED: Spectral Entropy-Guided Evaluation of SpatialTemporal Dependencies for Multivariate Time Series Forecasting
von: Xiong, Feng, et al.
Veröffentlicht: (2025)

LangTime: A Language-Guided Unified Model for Time Series Forecasting with Proximal Policy Optimization
von: Niu, Wenzhe, et al.
Veröffentlicht: (2025)

CP Loss: Channel-wise Perceptual Loss for Time Series Forecasting
von: Zha, Yaohua, et al.
Veröffentlicht: (2026)

Towards Lightweight Time Series Forecasting: a Patch-wise Transformer with Weak Data Enriching
von: Wang, Meng, et al.
Veröffentlicht: (2025)

Enhancing Masked Time-Series Modeling via Dropping Patches
von: Qiu, Tianyu, et al.
Veröffentlicht: (2024)

Channel-wise Retrieval for Multivariate Time Series Forecasting
von: Kang, Junhyeok, et al.
Veröffentlicht: (2026)

TimeMosaic: Temporal Heterogeneity Guided Time Series Forecasting via Adaptive Granularity Patch and Segment-wise Decoding
von: Ding, Kuiye, et al.
Veröffentlicht: (2025)

PatchDecomp: Interpretable Patch-Based Time Series Forecasting
von: Tomioka, Hiroki, et al.
Veröffentlicht: (2026)

HPMixer: Hierarchical Patching for Multivariate Time Series Forecasting
von: Choi, Jung Min, et al.
Veröffentlicht: (2026)

TimeCatcher: A Variational Framework for Volatility-Aware Forecasting of Non-Stationary Time Series
von: Chen, Zhiyu, et al.
Veröffentlicht: (2026)

TimeFilter: Patch-Specific Spatial-Temporal Graph Filtration for Time Series Forecasting
von: Hu, Yifan, et al.
Veröffentlicht: (2025)

PatchMixer: A Patch-Mixing Architecture for Long-Term Time Series Forecasting
von: Gong, Zeying, et al.
Veröffentlicht: (2023)

DBLoss: Decomposition-based Loss Function for Time Series Forecasting
von: Qiu, Xiangfei, et al.
Veröffentlicht: (2025)

NPMixer: Hierarchical Neighboring Patch Mixing for Time Series Forecasting
von: Choi, Jung Min, et al.
Veröffentlicht: (2026)

The Procrustean Bed of Time Series: The Optimization Bias in Point-wise Loss Functions
von: Cai, Rongyao, et al.
Veröffentlicht: (2025)

Enhancing Time Series Forecasting through Selective Representation Spaces: A Patch Perspective
von: Wu, Xingjian, et al.
Veröffentlicht: (2025)

SCFormer: Structured Channel-wise Transformer with Cumulative Historical State for Multivariate Time Series Forecasting
von: Guo, Shiwei, et al.
Veröffentlicht: (2025)

CT-PatchTST: Channel-Time Patch Time-Series Transformer for Long-Term Renewable Energy Forecasting
von: Lu, Kuan, et al.
Veröffentlicht: (2025)

Unlocking the Power of Patch: Patch-Based MLP for Long-Term Time Series Forecasting
von: Tang, Peiwang, et al.
Veröffentlicht: (2024)

SEER: Transformer-based Robust Time Series Forecasting via Automated Patch Enhancement and Replacement
von: Qiu, Xiangfei, et al.
Veröffentlicht: (2026)

RI-Loss: A Learnable Residual-Informed Loss for Time Series Forecasting
von: Wang, Jieting, et al.
Veröffentlicht: (2025)

Adapting LLMs to Time Series Forecasting via Temporal Heterogeneity Modeling and Semantic Alignment
von: Sun, Yanru, et al.
Veröffentlicht: (2025)

Sentinel: Multi-Patch Transformer with Temporal and Channel Attention for Time Series Forecasting
von: Villaboni, Davide, et al.
Veröffentlicht: (2025)

Integrating Quantum-Classical Attention in Patch Transformers for Enhanced Time Series Forecasting
von: Chakraborty, Sanjay, et al.
Veröffentlicht: (2025)

Temporal Patch Shuffle (TPS): Leveraging Patch-Level Shuffling to Boost Generalization and Robustness in Time Series Forecasting
von: Bakhshaliyev, Jafar, et al.
Veröffentlicht: (2026)

Loss Shaping Constraints for Long-Term Time Series Forecasting
von: Hounie, Ignacio, et al.
Veröffentlicht: (2024)

EnergyPatchTST: Multi-scale Time Series Transformers with Uncertainty Estimation for Energy Forecasting
von: Li, Wei, et al.
Veröffentlicht: (2025)

TimeGuard: Channel-wise Pool Training for Backdoor Defense in Time Series Forecasting
von: Nguyen, Quang Duc, et al.
Veröffentlicht: (2026)

PhaseFormer: From Patches to Phases for Efficient and Effective Time Series Forecasting
von: Niu, Yiming, et al.
Veröffentlicht: (2025)

Routing Channel-Patch Dependencies in Time Series Forecasting with Graph Spectral Decomposition
von: Li, Dongyuan, et al.
Veröffentlicht: (2026)

Wavelet Mixture of Experts for Time Series Forecasting
von: Zhou, Zheng, et al.
Veröffentlicht: (2025)

OLMA: One Loss for More Accurate Time Series Forecasting
von: Shi, Tianyi, et al.
Veröffentlicht: (2025)

Forecasting Time Series with LLMs via Patch-Based Prompting and Decomposition
von: Bumb, Mayank, et al.
Veröffentlicht: (2025)

TILDE-Q: A Transformation Invariant Loss Function for Time-Series Forecasting
von: Lee, Hyunwook, et al.
Veröffentlicht: (2022)

CMoS: Rethinking Time Series Prediction Through the Lens of Chunk-wise Spatial Correlations
von: Si, Haotian, et al.
Veröffentlicht: (2025)

Structured Noise Modeling for Enhanced Time-Series Forecasting
von: Koohfar, Sepideh
Veröffentlicht: (2025)