Buchumschlag

Forecast-Then-Optimize Deep Learning Methods

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jiang, Jinhang, Wu, Nan, Liu, Ben, Feng, Mei, Ji, Xin, Srinivasan, Karthik
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

Deep Transfer $Q$-Learning for Offline Non-Stationary Reinforcement Learning
von: Chai, Jinhang, et al.
Veröffentlicht: (2025)

Structured Matrix Learning under Arbitrary Entrywise Dependence and Estimation of Markov Transition Kernel
von: Chai, Jinhang, et al.
Veröffentlicht: (2024)

Transition Transfer $Q$-Learning for Composite Markov Decision Processes
von: Chai, Jinhang, et al.
Veröffentlicht: (2025)

Low-Rank Plus Sparse Matrix Transfer Learning under Growing Representations and Ambient Dimensions
von: Chai, Jinhang, et al.
Veröffentlicht: (2026)

Predictive Crash Analytics for Traffic Safety using Deep Learning
von: Sivakoti, Karthik
Veröffentlicht: (2025)

Maximizing the Impact of Deep Learning on Subseasonal-to-Seasonal Climate Forecasting: The Essential Role of Optimization
von: Guo, Yizhen, et al.
Veröffentlicht: (2024)

DPGIIL: Dirichlet Process-Deep Generative Model-Integrated Incremental Learning for Clustering in Transmissibility-based Online Structural Anomaly Detection
von: Mei, Lin-Feng, et al.
Veröffentlicht: (2024)

Deep Learning for Time Series Forecasting: A Survey
von: Kong, Xiangjie, et al.
Veröffentlicht: (2025)

Explore the Ideology of Deep Learning in ENSO Forecasts
von: Gan, Yanhai, et al.
Veröffentlicht: (2026)

Forecasting Day-Ahead Electricity Prices in the Integrated Single Electricity Market: Addressing Volatility with Comparative Machine Learning Methods
von: Harkin, Ben, et al.
Veröffentlicht: (2024)

Deep k-grouping: An Unsupervised Learning Framework for Combinatorial Optimization on Graphs and Hypergraphs
von: Bai, Sen, et al.
Veröffentlicht: (2025)

Counterfactual Explanations for Deep Learning-Based Traffic Forecasting
von: Wang, Rushan, et al.
Veröffentlicht: (2024)

LaDCast: A Latent Diffusion Model for Medium-Range Ensemble Weather Forecasting
von: Zhuang, Yilin, et al.
Veröffentlicht: (2025)

Scrutinize What We Ignore: Reining In Task Representation Shift Of Context-Based Offline Meta Reinforcement Learning
von: Zhang, Hai, et al.
Veröffentlicht: (2024)

Forecasting Drought Using Machine Learning in California
von: Li, Nan K., et al.
Veröffentlicht: (2025)

Forecasting Smog Clouds With Deep Learning
von: Oldenburg, Valentijn, et al.
Veröffentlicht: (2024)

DGCformer: Deep Graph Clustering Transformer for Multivariate Time Series Forecasting
von: Liu, Qinshuo, et al.
Veröffentlicht: (2024)

Enhancing Exchange Rate Forecasting with Explainable Deep Learning Models
von: Meng, Shuchen, et al.
Veröffentlicht: (2024)

A Self-Attentive Meta-Optimizer with Group-Adaptive Learning Rates and Weight Decay
von: Zhao, JiangBo, et al.
Veröffentlicht: (2026)

A Comparative Study of Traditional Machine Learning, Deep Learning, and Large Language Models for Mental Health Forecasting using Smartphone Sensing Data
von: Feng, Kaidong, et al.
Veröffentlicht: (2026)

An Efficient Plugin Method for Metric Optimization of Black-Box Models
von: Devic, Siddartha, et al.
Veröffentlicht: (2025)

Reducing Bias in Deep Learning Optimization: The RSGDM Approach
von: Qin, Honglin, et al.
Veröffentlicht: (2024)

A Survey on Uncertainty Quantification Methods for Deep Learning
von: He, Wenchong, et al.
Veröffentlicht: (2023)

Selective Learning for Deep Time Series Forecasting
von: Fu, Yisong, et al.
Veröffentlicht: (2025)

Hybrid Deep Learning Approach for Coupled Demand Forecasting and Supply Chain Optimization
von: Nadia, Nusrat Yasmin, et al.
Veröffentlicht: (2026)

Forecasting VIX using Bayesian Deep Learning
von: Hortúa, Héctor J., et al.
Veröffentlicht: (2024)

Online Data Augmentation for Forecasting with Deep Learning
von: Cerqueira, Vitor, et al.
Veröffentlicht: (2024)

Learning Constrained Optimization with Deep Augmented Lagrangian Methods
von: Kotary, James, et al.
Veröffentlicht: (2024)

Reevaluating Theoretical Analysis Methods for Optimization in Deep Learning
von: Tran, Hoang, et al.
Veröffentlicht: (2024)

MSGNet: Learning Multi-Scale Inter-Series Correlations for Multivariate Time Series Forecasting
von: Cai, Wanlin, et al.
Veröffentlicht: (2023)

DeepMIDE: A Multi-Output Spatio-Temporal Method for Ultra-Scale Offshore Wind Energy Forecasting
von: Ye, Feng, et al.
Veröffentlicht: (2024)

DeepMedcast: A Deep Learning Method for Generating Intermediate Weather Forecasts among Multiple NWP Models
von: Kudo, Atsushi
Veröffentlicht: (2024)

Tin-Tin: Towards Tiny Learning on Tiny Devices with Integer-based Neural Network Training
von: Hu, Yi, et al.
Veröffentlicht: (2025)

A study on performance limitations in Federated Learning
von: Mohan, Karthik
Veröffentlicht: (2025)

A Granular Framework for Construction Material Price Forecasting: Econometric and Machine-Learning Approaches
von: Lyu, Boge, et al.
Veröffentlicht: (2025)

HarmonE: A Self-Adaptive Approach to Architecting Sustainable MLOps
von: Bhatt, Hiya, et al.
Veröffentlicht: (2025)

A Survey of Deep Learning and Foundation Models for Time Series Forecasting
von: Miller, John A., et al.
Veröffentlicht: (2024)

One-Step Bellman Alignment Enables Provably Efficient Transfer in Online RL
von: Chen, Elynn, et al.
Veröffentlicht: (2026)

Multi-Agent Stochastic Bandits Robust to Adversarial Corruptions
von: Ghaffari, Fatemeh, et al.
Veröffentlicht: (2024)

AROpt: An Optimization Method for Autoregressive Time Series Forecasting
von: Li, Zheng, et al.
Veröffentlicht: (2026)