Buchumschlag

Mixture of Low Rank Adaptation with Partial Parameter Sharing for Time Series Forecasting

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Pan, Licheng, Chen, Zhichao, Li, Haoxuan, Liu, Guangyi, Xu, Zhijian, Liu, Zhaoran, Wang, Hao, Wei, Ying
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

Time-o1: Time-Series Forecasting Needs Transformed Label Alignment
von: Wang, Hao, et al.
Veröffentlicht: (2025)

Quadratic Direct Forecast for Training Multi-Step Time-Series Forecast Models
von: Wang, Hao, et al.
Veröffentlicht: (2025)

DistDF: Time-Series Forecasting Needs Joint-Distribution Wasserstein Alignment
von: Wang, Hao, et al.
Veröffentlicht: (2025)

Proximity Matters: Local Proximity Enhanced Balancing for Treatment Effect Estimation
von: Wang, Hao, et al.
Veröffentlicht: (2024)

Low-Rank Adaptation of Time Series Foundational Models for Out-of-Domain Modality Forecasting
von: Gupta, Divij, et al.
Veröffentlicht: (2024)

Deep Time-series Forecasting Needs Kernelized Moment Balancing
von: Pan, Licheng, et al.
Veröffentlicht: (2026)

FreDF: Learning to Forecast in the Frequency Domain
von: Wang, Hao, et al.
Veröffentlicht: (2024)

Entire Space Counterfactual Learning for Reliable Content Recommendations
von: Wang, Hao, et al.
Veröffentlicht: (2022)

MoR: Mixture of Ranks for Low-Rank Adaptation Tuning
von: Tang, Chuanyu, et al.
Veröffentlicht: (2024)

Mixture-of-Subspaces in Low-Rank Adaptation
von: Wu, Taiqiang, et al.
Veröffentlicht: (2024)

Accurate Parameter-Efficient Test-Time Adaptation for Time Series Forecasting
von: Medeiros, Heitor R., et al.
Veröffentlicht: (2025)

A Shared Low-Rank Adaptation Approach to Personalized RLHF
von: Liu, Renpu, et al.
Veröffentlicht: (2025)

HELLoRA: Hot Experts Layer-Level Low-Rank Adaptation for Mixture-of-Experts Models
von: Wei, Jia, et al.
Veröffentlicht: (2026)

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

DEFM: Delay E mbedding based Forecast Machine for Time Series Forecasting by Spatiotemporal Information Transformation
von: Peng, Hao, et al.
Veröffentlicht: (2020)

DDTime: Dataset Distillation with Spectral Alignment and Information Bottleneck for Time-Series Forecasting
von: Li, Yuqi, et al.
Veröffentlicht: (2025)

ShareLoRA: Parameter Efficient and Robust Large Language Model Fine-tuning via Shared Low-Rank Adaptation
von: Song, Yurun, et al.
Veröffentlicht: (2024)

MoFE-Time: Mixture of Frequency Domain Experts for Time-Series Forecasting Models
von: Liu, Yiwen, et al.
Veröffentlicht: (2025)

SBoRA: Low-Rank Adaptation with Regional Weight Updates
von: Po, Lai-Man, et al.
Veröffentlicht: (2024)

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

ST-LoRA: Low-rank Adaptation for Spatio-Temporal Forecasting
von: Ruan, Weilin, et al.
Veröffentlicht: (2024)

Nested Spatio-Temporal Time Series Forecasting
von: Ai, Yinghao, et al.
Veröffentlicht: (2026)

Less is More: Resource-Efficient Low-Rank Adaptation
von: Tian, Chunlin, et al.
Veröffentlicht: (2025)

Beyond Immediate Activation: Temporally Decoupled Backdoor Attacks on Time Series Forecasting
von: Liu, Zhixin, et al.
Veröffentlicht: (2026)

Flexora: Flexible Low Rank Adaptation for Large Language Models
von: Wei, Chenxing, et al.
Veröffentlicht: (2024)

EMTSF:Extraordinary Mixture of SOTA Models for Time Series Forecasting
von: Alharthi, Musleh, et al.
Veröffentlicht: (2025)

AME-TS: Anchored Mixture-of-Experts for Time Series Forecasting
von: Wang, Rui, et al.
Veröffentlicht: (2026)

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

Parameter-Efficient Routed Fine-Tuning: Mixture-of-Experts Demands Mixture of Adaptation Modules
von: Liu, Yilun, et al.
Veröffentlicht: (2025)

Regularizing Subspace Redundancy of Low-Rank Adaptation
von: Zhu, Yue, et al.
Veröffentlicht: (2025)

PSformer: Parameter-efficient Transformer with Segment Attention for Time Series Forecasting
von: Wang, Yanlong, et al.
Veröffentlicht: (2024)

CausalRM: Causal-Theoretic Reward Modeling for RLHF from Observational User Feedbacks
von: Wang, Hao, et al.
Veröffentlicht: (2026)

The Primacy of Magnitude in Low-Rank Adaptation
von: Zhang, Zicheng, et al.
Veröffentlicht: (2025)

DeepFilter: A Transformer-style Framework for Accurate and Efficient Process Monitoring
von: Wang, Hao, et al.
Veröffentlicht: (2025)

Not How Many, But Which: Parameter Placement in Low-Rank Adaptation
von: Sehanobish, Arijit, et al.
Veröffentlicht: (2026)

Position: Universal Time Series Foundation Models Rest on a Category Error
von: Dai, Xilin, et al.
Veröffentlicht: (2026)

Conversational Time Series Foundation Models: Towards Explainable and Effective Forecasting
von: Cao, Defu, et al.
Veröffentlicht: (2025)

Enhancing Parameter Efficiency and Generalization in Large-Scale Models: A Regularized and Masked Low-Rank Adaptation Approach
von: Mao, Yuzhu, et al.
Veröffentlicht: (2024)

Performative Time-Series Forecasting
von: Zhao, Zhiyuan, et al.
Veröffentlicht: (2023)

Strategic Over-Parameterization for Generalizable Low-Rank Adaptation
von: Gao, Jing, et al.
Veröffentlicht: (2026)