Buchumschlag

N-BEATS-MOE: N-BEATS with a Mixture-of-Experts Layer for Heterogeneous Time Series Forecasting

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Matos, Ricardo, Roque, Luis, Cerqueira, Vitor
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

Enhanced N-BEATS for Mid-Term Electricity Demand Forecasting
von: Kasprzyk, Mateusz, et al.
Veröffentlicht: (2024)

Feature-aligned N-BEATS with Sinkhorn divergence
von: Lee, Joonhun, et al.
Veröffentlicht: (2023)

Unsupervised Anomaly Prediction with N-BEATS and Graph Neural Network in Multi-variate Semiconductor Process Time Series
von: Sorensen, Daniel, et al.
Veröffentlicht: (2025)

ModelRadar: Aspect-based Forecast Evaluation
von: Cerqueira, Vitor, et al.
Veröffentlicht: (2025)

Forecasting with Deep Learning: Beyond Average of Average of Average Performance
von: Cerqueira, Vitor, et al.
Veröffentlicht: (2024)

Cherry-Picking in Time Series Forecasting: How to Select Datasets to Make Your Model Shine
von: Roque, Luis, et al.
Veröffentlicht: (2024)

BEATS: Optimizing LLM Mathematical Capabilities with BackVerify and Adaptive Disambiguate based Efficient Tree Search
von: Sun, Linzhuang, et al.
Veröffentlicht: (2024)

MoHETS: Long-term Time Series Forecasting with Mixture-of-Heterogeneous-Experts
von: Ortigossa, Evandro S., et al.
Veröffentlicht: (2026)

BEATS, DREAMS AND SHADOWS
von: Diego Juárez
Veröffentlicht: (2008)

Lag Selection for Univariate Time Series Forecasting using Deep Learning: An Empirical Study
von: Leites, José, et al.
Veröffentlicht: (2024)

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

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

Advancing Financial Forecasting: A Comparative Analysis of Neural Forecasting Models N-HiTS and N-BEATS
von: Apte, Mohit, et al.
Veröffentlicht: (2024)

L-GTA: Latent Generative Modeling for Time Series Augmentation
von: Roque, Luis, et al.
Veröffentlicht: (2025)

Exceedance Probability Forecasting via Regression for Significant Wave Height Prediction
von: Cerqueira, Vitor, et al.
Veröffentlicht: (2022)

Time Series Data Augmentation as an Imbalanced Learning Problem
von: Cerqueira, Vitor, et al.
Veröffentlicht: (2024)

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)

PM-MOE: Mixture of Experts on Private Model Parameters for Personalized Federated Learning
von: Feng, Yu, et al.
Veröffentlicht: (2025)

Fast Training of Mixture-of-Experts for Time Series Forecasting via Expert Loss Integration
von: Mahtout, Btissame El, et al.
Veröffentlicht: (2026)

Super-Linear: A Lightweight Pretrained Mixture of Linear Experts for Time Series Forecasting
von: Nochumsohn, Liran, et al.
Veröffentlicht: (2025)

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

Time Tracker: Mixture-of-Experts-Enhanced Foundation Time Series Forecasting Model with Decoupled Training Pipelines
von: Liang, Aobo, et al.
Veröffentlicht: (2025)

FreqMoE: Enhancing Time Series Forecasting through Frequency Decomposition Mixture of Experts
von: Liu, Ziqi
Veröffentlicht: (2025)

AdaMixT: Adaptive Weighted Mixture of Multi-Scale Expert Transformers for Time Series Forecasting
von: Zhang, Huanyao, et al.
Veröffentlicht: (2025)

Grasynda: Graph-based Synthetic Time Series Generation
von: Amorim, Luis, et al.
Veröffentlicht: (2026)

Meta-learning and Data Augmentation for Stress Testing Forecasting Models
von: Inácio, Ricardo, et al.
Veröffentlicht: (2024)

Task-Aware Mixture-of-Experts for Time Series Analysis
von: Wu, Xingjian, et al.
Veröffentlicht: (2025)

TimeExpert: Boosting Long Time Series Forecasting with Temporal Mix of Experts
von: Ma, Xiaowen, et al.
Veröffentlicht: (2025)

MoDEx: Mixture of Depth-specific Experts for Multivariate Long-term Time Series Forecasting
von: Yoon, Hyekyung, et al.
Veröffentlicht: (2026)

LeMoLE: LLM-Enhanced Mixture of Linear Experts for Time Series Forecasting
von: Zhang, Lingzheng, et al.
Veröffentlicht: (2024)

Mixture of Online and Offline Experts for Non-stationary Time Series
von: Zhao, Zhilin, et al.
Veröffentlicht: (2022)

WaveMoE: A Wavelet-Enhanced Mixture-of-Experts Foundation Model for Time Series Forecasting
von: Wu, Shunyu, et al.
Veröffentlicht: (2026)

Seg-MoE: Multi-Resolution Segment-wise Mixture-of-Experts for Time Series Forecasting Transformers
von: Ortigossa, Evandro S., et al.
Veröffentlicht: (2026)

Fed-GAME: Personalized Federated Learning with Graph Attention Mixture-of-Experts For Time-Series Forecasting
von: Li, Yi, et al.
Veröffentlicht: (2026)

Ada-MoGE: Adaptive Mixture of Gaussian Expert Model for Time Series Forecasting
von: Ni, Zhenliang, et al.
Veröffentlicht: (2025)

Hyperparameter Transfer with Mixture-of-Expert Layers
von: Jiang, Tianze, et al.
Veröffentlicht: (2026)

TiMi: Empower Time Series Transformers with Multimodal Mixture of Experts
von: Lin, Jiafeng, et al.
Veröffentlicht: (2026)

Dynamic Multi-period Experts for Online Time Series Forecasting
von: Hong, Seungha, et al.
Veröffentlicht: (2026)

Continual Traffic Forecasting via Mixture of Experts
von: Lee, Sanghyun, et al.
Veröffentlicht: (2024)