Buchumschlag

Continuous Evolution Pool: Taming Recurring Concept Drift in Online Time Series Forecasting

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhan, Tianxiang, Jin, Ming, He, Yuanpeng, Liang, Yuxuan, Deng, Yong, Pan, Shirui
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

Time Evidence Fusion Network: Multi-source View in Long-Term Time Series Forecasting
von: Zhan, Tianxiang, et al.
Veröffentlicht: (2024)

LeapTS: Rethinking Time Series Forecasting as Adaptive Multi-Horizon Scheduling
von: Pan, Sheng, et al.
Veröffentlicht: (2026)

Attractor Memory for Long-Term Time Series Forecasting: A Chaos Perspective
von: Hu, Jiaxi, et al.
Veröffentlicht: (2024)

Addressing Concept Shift in Online Time Series Forecasting: Detect-then-Adapt
von: Zhang, YiFan, et al.
Veröffentlicht: (2024)

Towards Neural Scaling Laws for Time Series Foundation Models
von: Yao, Qingren, et al.
Veröffentlicht: (2024)

Foundation Models for Time Series Analysis: A Tutorial and Survey
von: Liang, Yuxuan, et al.
Veröffentlicht: (2024)

Time-LLM: Time Series Forecasting by Reprogramming Large Language Models
von: Jin, Ming, et al.
Veröffentlicht: (2023)

Breaking the Regional Barrier: Inductive Semantic Topology Learning for Worldwide Air Quality Forecasting
von: Cui, Zhiqing, et al.
Veröffentlicht: (2026)

Proactive Model Adaptation Against Concept Drift for Online Time Series Forecasting
von: Zhao, Lifan, et al.
Veröffentlicht: (2024)

Tackling Time-Series Forecasting Generalization via Mitigating Concept Drift
von: Zhao, Zhiyuan, et al.
Veröffentlicht: (2025)

EventTSF: Event-Aware Non-Stationary Time Series Forecasting
von: Ge, Yunfeng, et al.
Veröffentlicht: (2025)

ShapeX: Shapelet-Driven Post Hoc Explanations for Time Series Classification Models
von: Huang, Bosong, et al.
Veröffentlicht: (2025)

DriftGAN: Using historical data for Unsupervised Recurring Drift Detection
von: Fellicious, Christofer, et al.
Veröffentlicht: (2024)

Towards Expressive Spectral-Temporal Graph Neural Networks for Time Series Forecasting
von: Jin, Ming, et al.
Veröffentlicht: (2023)

Position: What Can Large Language Models Tell Us about Time Series Analysis
von: Jin, Ming, et al.
Veröffentlicht: (2024)

Time-VLM: Exploring Multimodal Vision-Language Models for Augmented Time Series Forecasting
von: Zhong, Siru, et al.
Veröffentlicht: (2025)

A Survey on Graph Neural Networks for Time Series: Forecasting, Classification, Imputation, and Anomaly Detection
von: Jin, Ming, et al.
Veröffentlicht: (2023)

Self-Supervised Learning for Time Series Analysis: Taxonomy, Progress, and Prospects
von: Zhang, Kexin, et al.
Veröffentlicht: (2023)

Online Drift Detection with Maximum Concept Discrepancy
von: Wan, Ke, et al.
Veröffentlicht: (2024)

TimeOmni-VL: Unified Models for Time Series Understanding and Generation
von: Guan, Tong, et al.
Veröffentlicht: (2026)

Training-Free Probabilistic Time-Series Forecasting with Conformal Seasonal Pools
von: Manokhin, Valery
Veröffentlicht: (2026)

It's TIME: Towards the Next Generation of Time Series Forecasting Benchmarks
von: Qiao, Zhongzheng, et al.
Veröffentlicht: (2026)

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

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

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

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

Online Detection of Water Contamination Under Concept Drift
von: Li, Jin, et al.
Veröffentlicht: (2025)

Estimating Time Series Foundation Model Transferability via In-Context Learning
von: Yao, Qingren, et al.
Veröffentlicht: (2025)

iTFKAN: Interpretable Time Series Forecasting with Kolmogorov-Arnold Network
von: Liang, Ziran, et al.
Veröffentlicht: (2025)

OATS: Online Data Augmentation for Time Series Foundation Models
von: Deng, Junwei, et al.
Veröffentlicht: (2026)

Time-FFM: Towards LM-Empowered Federated Foundation Model for Time Series Forecasting
von: Liu, Qingxiang, et al.
Veröffentlicht: (2024)

DeformTime: Capturing Variable Dependencies with Deformable Attention for Time Series Forecasting
von: Shu, Yuxuan, et al.
Veröffentlicht: (2024)

Multi-Order Wavelet Derivative Transform for Deep Time Series Forecasting
von: Zhou, Ziyu, et al.
Veröffentlicht: (2025)

Overcoming Domain Drift in Online Continual Learning
von: Lyu, Fan, et al.
Veröffentlicht: (2024)

Structural Knowledge Informed Continual Multivariate Time Series Forecasting
von: Pan, Zijie, et al.
Veröffentlicht: (2024)

DiTS: Multimodal Diffusion Transformers Are Time Series Forecasters
von: Zhang, Haoran, et al.
Veröffentlicht: (2026)

Not All Data are Good Labels: On the Self-supervised Labeling for Time Series Forecasting
von: Yang, Yuxuan, et al.
Veröffentlicht: (2025)

Online Time Series Forecasting with Theoretical Guarantees
von: Li, Zijian, et al.
Veröffentlicht: (2025)

T2S: High-resolution Time Series Generation with Text-to-Series Diffusion Models
von: Ge, Yunfeng, et al.
Veröffentlicht: (2025)

Sonnet: Spectral Operator Neural Network for Multivariable Time Series Forecasting
von: Shu, Yuxuan, et al.
Veröffentlicht: (2025)