:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Shengchao, Long, Guodong, Blumenstein, Michael, Jiang, Jing
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2508.04045
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Federated Foundation Models on Heterogeneous Time Series
von: Chen, Shengchao, et al.
Veröffentlicht: (2024)

Bi-level Heterogeneous Learning for Time Series Foundation Models: A Federated Learning Approach
von: Chen, Shengchao, et al.
Veröffentlicht: (2026)

Federated Prompt Learning for Weather Foundation Models on Devices
von: Chen, Shengchao, et al.
Veröffentlicht: (2023)

Dual-Personalizing Adapter for Federated Foundation Models
von: Yang, Yiyuan, et al.
Veröffentlicht: (2024)

Personalized Interpretation on Federated Learning: A Virtual Concepts approach
von: Yan, Peng, et al.
Veröffentlicht: (2024)

Federated Weather Modeling on Sensor Data
von: Chen, Shengchao, et al.
Veröffentlicht: (2026)

Discrete Prototypical Memories for Federated Time Series Foundation Models
von: Deng, Liwei, et al.
Veröffentlicht: (2026)

Personalized Adapter for Large Meteorology Model on Devices: Towards Weather Foundation Models
von: Chen, Shengchao, et al.
Veröffentlicht: (2024)

Federated Adapter on Foundation Models: An Out-Of-Distribution Approach
von: Yang, Yiyuan, et al.
Veröffentlicht: (2025)

Federated Low-Rank Adaptation for Foundation Models: A Survey
von: Yang, Yiyuan, et al.
Veröffentlicht: (2025)

Bi-level Personalization for Federated Foundation Models: A Task-vector Aggregation Approach
von: Yang, Yiyuan, et al.
Veröffentlicht: (2025)

Navigating the Future of Federated Recommendation Systems with Foundation Models
von: Li, Zhiwei, et al.
Veröffentlicht: (2024)

A Survey of Personalized Federated Foundation Models for Privacy-Preserving Recommendation
von: Li, Zhiwei, et al.
Veröffentlicht: (2025)

Multi-Level Additive Modeling for Structured Non-IID Federated Learning
von: Chen, Shutong, et al.
Veröffentlicht: (2024)

FedMerge: Federated Personalization via Model Merging
von: Chen, Shutong, et al.
Veröffentlicht: (2025)

Influence-oriented Personalized Federated Learning
von: Tan, Yue, et al.
Veröffentlicht: (2024)

Client-supervised Federated Learning: Towards One-model-for-all Personalization
von: Yan, Peng, et al.
Veröffentlicht: (2024)

FeDa4Fair: Client-Level Federated Datasets for Fairness Evaluation
von: Heilmann, Xenia, et al.
Veröffentlicht: (2025)

Federated Vision-Language-Recommendation with Personalized Fusion
von: Li, Zhiwei, et al.
Veröffentlicht: (2024)

Generalized Prompt Tuning: Adapting Frozen Univariate Time Series Foundation Models for Multivariate Healthcare Time Series
von: Liu, Mingzhu, et al.
Veröffentlicht: (2024)

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

Personalized Federated Collaborative Filtering: A Variational AutoEncoder Approach
von: Li, Zhiwei, et al.
Veröffentlicht: (2024)

CoRA: Covariate-Aware Adaptation of Time Series Foundation Models
von: Qin, Guo, et al.
Veröffentlicht: (2025)

Sundial: A Family of Highly Capable Time Series Foundation Models
von: Liu, Yong, et al.
Veröffentlicht: (2025)

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

Federated Recommendation with Additive Personalization
von: Li, Zhiwei, et al.
Veröffentlicht: (2023)

Fine-Tuning Foundation Models with Federated Learning for Privacy Preserving Medical Time Series Forecasting
von: Ali, Mahad, et al.
Veröffentlicht: (2025)

Mitigating Data Scarcity in Time Series Analysis: A Foundation Model with Series-Symbol Data Generation
von: Wang, Wenxuan, et al.
Veröffentlicht: (2025)

Deep Learning Foundation and Pattern Models: Challenges in Hydrological Time Series
von: He, Junyang, et al.
Veröffentlicht: (2024)

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

Theoretical Foundation of Flow-Based Time Series Generation: Provable Approximation, Generalization, and Efficiency
von: Long, Jiangxuan, et al.
Veröffentlicht: (2025)

Federated Generative Learning with Foundation Models
von: Zhang, Jie, et al.
Veröffentlicht: (2023)

TimesBERT: A BERT-Style Foundation Model for Time Series Understanding
von: Zhang, Haoran, et al.
Veröffentlicht: (2025)

Synthetic Series-Symbol Data Generation for Time Series Foundation Models
von: Wang, Wenxuan, et al.
Veröffentlicht: (2025)

How Foundational are Foundation Models for Time Series Forecasting?
von: Karaouli, Nouha, et al.
Veröffentlicht: (2025)

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

Evaluating Time Series Foundation Models on Noisy Periodic Time Series
von: Gupta, Syamantak Datta
Veröffentlicht: (2025)

Interventional Time Series Priors for Causal Foundation Models
von: Thumm, Dennis, et al.
Veröffentlicht: (2026)

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

Distilling A Universal Expert from Clustered Federated Learning
von: Leng, Zeqi, et al.
Veröffentlicht: (2025)