Buchumschlag

PA-RNet: Perturbation-Aware Residual Network for Robust Multimodal Time Series Forecasting

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhu, Enqiang, Deng, Zhenbin, Wang, Shengzhi, Tang, Yi-Kun, Liu, Chanjuan
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

DP-GPT4MTS: Dual-Prompt Large Language Model for Textual-Numerical Time Series Forecasting
von: Liu, Chanjuan, et al.
Veröffentlicht: (2025)

Boosting drug-disease association prediction for drug repositioning via dual-feature extraction and cross-dual-domain decoding
von: Zhu, Enqiang, et al.
Veröffentlicht: (2024)

MAGIC: Multi-Step Advantage-Gated Causal Influence for Multi-agent Reinforcement Learning
von: Yu, Haohan, et al.
Veröffentlicht: (2026)

LiNo: Advancing Recursive Residual Decomposition of Linear and Nonlinear Patterns for Robust Time Series Forecasting
von: Yu, Guoqi, et al.
Veröffentlicht: (2024)

ReLaMix: Residual Latency-Aware Mixing for Delay-Robust Financial Time-Series Forecasting
von: Lai, Tianyou, et al.
Veröffentlicht: (2026)

ForecastGrapher: Redefining Multivariate Time Series Forecasting with Graph Neural Networks
von: Cai, Wanlin, et al.
Veröffentlicht: (2024)

Deep Coupling Network For Multivariate Time Series Forecasting
von: Yi, Kun, et al.
Veröffentlicht: (2024)

Temporally Unified Adversarial Perturbations for Time Series Forecasting
von: Su, Ruixian, et al.
Veröffentlicht: (2026)

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

Context-Aware Probabilistic Modeling with LLM for Multimodal Time Series Forecasting
von: Yao, Yueyang, et al.
Veröffentlicht: (2025)

DSPR: Dual-Stream Physics-Residual Networks for Trustworthy Industrial Time Series Forecasting
von: Zhang, Yeran, et al.
Veröffentlicht: (2026)

Minusformer: Improving Time Series Forecasting by Progressively Learning Residuals
von: Liang, Daojun, et al.
Veröffentlicht: (2024)

RI-Loss: A Learnable Residual-Informed Loss for Time Series Forecasting
von: Wang, Jieting, et al.
Veröffentlicht: (2025)

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

Fidel-TS: A High-Fidelity Multimodal Benchmark for Time Series Forecasting
von: Xu, Zhijian, et al.
Veröffentlicht: (2025)

Robust Multivariate Time Series Forecasting against Intra- and Inter-Series Transitional Shift
von: He, Hui, et al.
Veröffentlicht: (2024)

Dual-Forecaster: A Multimodal Time Series Model Integrating Descriptive and Predictive Texts
von: Wu, Wenfa, et al.
Veröffentlicht: (2025)

Rethinking Post-Training Recipes for Multimodal Time-Series Forecasting
von: Liu, Haoxin, et al.
Veröffentlicht: (2026)

Towards Stable and Structured Time Series Generation with Perturbation-Aware Flow Matching
von: Zhang, Jintao, et al.
Veröffentlicht: (2025)

Hierarchical Time Series Forecasting with Robust Reconciliation
von: Aikawa, Shuhei, et al.
Veröffentlicht: (2025)

Bridging Past and Future: Distribution-Aware Alignment for Time Series Forecasting
von: Hu, Yifan, et al.
Veröffentlicht: (2025)

RobustTSF: Towards Theory and Design of Robust Time Series Forecasting with Anomalies
von: Cheng, Hao, et al.
Veröffentlicht: (2024)

Attention as Robust Representation for Time Series Forecasting
von: Niu, PeiSong, et al.
Veröffentlicht: (2024)

TEFL: Prediction-Residual-Guided Rolling Forecasting for Multi-Horizon Time Series
von: Huang, Xiannan, et al.
Veröffentlicht: (2026)

Amplifier: Bringing Attention to Neglected Low-Energy Components in Time Series Forecasting
von: Fei, Jingru, et al.
Veröffentlicht: (2025)

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

Spectral Text Fusion: A Frequency-Aware Approach to Multimodal Time-Series Forecasting
von: Nguyen, Huu Hiep, et al.
Veröffentlicht: (2026)

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

Towards Principled Test-Time Adaptation for Time Series Forecasting
von: Wang, Haochun, et al.
Veröffentlicht: (2026)

Stationarity Exploration for Multivariate Time Series Forecasting
von: Liu, Hao, et al.
Veröffentlicht: (2025)

SPAT: Sensitivity-based Multihead-attention Pruning on Time Series Forecasting Models
von: Guo, Suhan, et al.
Veröffentlicht: (2025)

RAM: Replace Attention with MLP for Efficient Multivariate Time Series Forecasting
von: Guo, Suhan, et al.
Veröffentlicht: (2024)

Reasoning-Aware Training for Time Series Forecasting
von: Ahamed, Md Atik, et al.
Veröffentlicht: (2026)

Aurora: Towards Universal Generative Multimodal Time Series Forecasting
von: Wu, Xingjian, et al.
Veröffentlicht: (2025)

Convolutionally Low-Rank Models with Modified Quantile Regression for Interval Time Series Forecasting
von: Zhu, Miaoxuan, et al.
Veröffentlicht: (2026)

DeepBooTS: Dual-Stream Residual Boosting for Drift-Resilient Time-Series Forecasting
von: Liang, Daojun, et al.
Veröffentlicht: (2025)

CARD: Channel Aligned Robust Blend Transformer for Time Series Forecasting
von: Xue, Wang, et al.
Veröffentlicht: (2023)

Dual-Prototype Disentanglement: A Context-Aware Enhancement Framework for Time Series Forecasting
von: Yang, Haonan, et al.
Veröffentlicht: (2026)

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

CRAFT: Time Series Forecasting with Cross-Future Behavior Awareness
von: Zhang, Yingwei, et al.
Veröffentlicht: (2025)