Buchumschlag

Lightweight Channel-wise Dynamic Fusion Model: Non-stationary Time Series Forecasting via Entropy Analysis

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jia, Tianyu, Xie, Zongxia, Sun, Yanru, Kudrat, Dilfira, 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

Patch-wise Structural Loss for Time Series Forecasting
von: Kudrat, Dilfira, et al.
Veröffentlicht: (2025)

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)

Learning Pattern-Specific Experts for Time Series Forecasting Under Patch-level Distribution Shift
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)

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

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

IN-Flow: Instance Normalization Flow for Non-stationary Time Series Forecasting
von: Fan, Wei, et al.
Veröffentlicht: (2024)

Non-stationary Diffusion For Probabilistic Time Series Forecasting
von: Ye, Weiwei, et al.
Veröffentlicht: (2025)

PAMod: Modeling Cyclical Shifts via Phase-Amplitude Modulation for Non-stationary Time Series Forecasting
von: Zhou, Yingbo, et al.
Veröffentlicht: (2026)

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

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

Frequency Adaptive Normalization For Non-stationary Time Series Forecasting
von: Ye, Weiwei, et al.
Veröffentlicht: (2024)

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

Deep Frequency Derivative Learning for Non-stationary Time Series Forecasting
von: Fan, Wei, et al.
Veröffentlicht: (2024)

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

Empirical Comparison of Lightweight Forecasting Models for Seasonal and Non-Seasonal Time Series
von: Nguyen, Thanh Son, et al.
Veröffentlicht: (2025)

FredNormer: Frequency Domain Normalization for Non-stationary Time Series Forecasting
von: Piao, Xihao, et al.
Veröffentlicht: (2024)

Wavelet-based Disentangled Adaptive Normalization for Non-stationary Times Series Forecasting
von: Lin, Junpeng, et al.
Veröffentlicht: (2025)

Parametric Prior Mapping Framework for Non-stationary Probabilistic Time Series Forecasting
von: Li, Jinglin, et al.
Veröffentlicht: (2026)

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

SeesawNet: Towards Non-stationary Time Series Forecasting with Balanced Modeling of Common and Specific Dependencies
von: Li, Hao, et al.
Veröffentlicht: (2026)

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

SOFTS: Efficient Multivariate Time Series Forecasting with Series-Core Fusion
von: Han, Lu, et al.
Veröffentlicht: (2024)

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

SeqFusion: Sequential Fusion of Pre-Trained Models for Zero-Shot Time-Series Forecasting
von: Huang, Ting-Ji, et al.
Veröffentlicht: (2025)

TimeEmb: A Lightweight Static-Dynamic Disentanglement Framework for Time Series Forecasting
von: Xia, Mingyuan, et al.
Veröffentlicht: (2025)

LightGTS: A Lightweight General Time Series Forecasting Model
von: Wang, Yihang, et al.
Veröffentlicht: (2025)

Channel-Aware Low-Rank Adaptation in Time Series Forecasting
von: Nie, Tong, et al.
Veröffentlicht: (2024)

Mixture of Online and Offline Experts for Non-stationary Time Series
von: Zhao, Zhilin, et al.
Veröffentlicht: (2022)

A Lightweight Sparse Interaction Network for Time Series Forecasting
von: Zhang, Xu, et al.
Veröffentlicht: (2026)

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

MTS-UNMixers: Multivariate Time Series Forecasting via Channel-Time Dual Unmixing
von: Zhu, Xuanbing, et al.
Veröffentlicht: (2024)

From Similarity to Superiority: Channel Clustering for Time Series Forecasting
von: Chen, Jialin, et al.
Veröffentlicht: (2024)

An Analysis of Linear Time Series Forecasting Models
von: Toner, William, et al.
Veröffentlicht: (2024)

DynaConF: Dynamic Forecasting of Non-Stationary Time Series
von: Liu, Siqi, et al.
Veröffentlicht: (2022)

Univariate Channel Fusion for Multivariate Time Series Classification
von: Moro, Fernando, 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)

MDMLP-EIA: Multi-domain Dynamic MLPs with Energy Invariant Attention for Time Series Forecasting
von: Zhang, Hu, et al.
Veröffentlicht: (2025)