:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Perez, Juan Manuel, Garcia, Kevin, Berry, Brooklyn, Song, Dongjin, Gao, Yifeng
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2509.19625
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Symbol-Temporal Consistency Self-supervised Learning for Robust Time Series Classification
von: Garcia, Kevin, et al.
Veröffentlicht: (2025)

Efficient High-Resolution Time Series Classification via Attention Kronecker Decomposition
von: Feng, Aosong, et al.
Veröffentlicht: (2024)

Efficient Hierarchical Contrastive Self-supervising Learning for Time Series Classification via Importance-aware Resolution Selection
von: Garcia, Kevin, et al.
Veröffentlicht: (2025)

Rank Supervised Contrastive Learning for Time Series Classification
von: Ren, Qianying, et al.
Veröffentlicht: (2024)

Bernstein-von Mises for Adaptively Collected Data
von: Du, Kevin, et al.
Veröffentlicht: (2025)

A solution for the mean parametrization of the von Mises-Fisher distribution
von: Nonnenmacher, Marcel, et al.
Veröffentlicht: (2024)

DINO as a von Mises-Fisher mixture model
von: Govindarajan, Hariprasath, et al.
Veröffentlicht: (2024)

Learning over von Mises-Fisher Distributions via a Wasserstein-like Geometry
von: You, Kisung, et al.
Veröffentlicht: (2025)

Exploring Large Action Sets with Hyperspherical Embeddings using von Mises-Fisher Sampling
von: Bendada, Walid, et al.
Veröffentlicht: (2025)

Direct Fisher Score Estimation for Likelihood Maximization
von: Khoo, Sherman, et al.
Veröffentlicht: (2025)

Deep Transfer Hashing for Adaptive Learning on Federated Streaming Data
von: Röder, Manuel, et al.
Veröffentlicht: (2024)

Towards Interpretable and Trustworthy Time Series Reasoning: A BlueSky Vision
von: Ning, Kanghui, et al.
Veröffentlicht: (2025)

Learning Representations on the Unit Sphere: Investigating Angular Gaussian and von Mises-Fisher Distributions for Online Continual Learning
von: Michel, Nicolas, et al.
Veröffentlicht: (2023)

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

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

TimeXL: Explainable Multi-modal Time Series Prediction with LLM-in-the-Loop
von: Jiang, Yushan, et al.
Veröffentlicht: (2025)

Empowering Time Series Analysis with Large Language Models: A Survey
von: Jiang, Yushan, et al.
Veröffentlicht: (2024)

$\textbf{S}^2$IP-LLM: Semantic Space Informed Prompt Learning with LLM for Time Series Forecasting
von: Pan, Zijie, et al.
Veröffentlicht: (2024)

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

vMFER: Von Mises-Fisher Experience Resampling Based on Uncertainty of Gradient Directions for Policy Improvement
von: Zhu, Yiwen, et al.
Veröffentlicht: (2024)

Bayesian Circular Regression with von Mises Quasi-Processes
von: Cohen, Yarden, et al.
Veröffentlicht: (2024)

Modeling of Core Loss Based on Machine Learning and Deep Learning
von: He, Junqi, et al.
Veröffentlicht: (2025)

Neural Likelihood Approximation for Integer Valued Time Series Data
von: O'Loughlin, Luke, et al.
Veröffentlicht: (2023)

Multi-modal Time Series Analysis: A Tutorial and Survey
von: Jiang, Yushan, et al.
Veröffentlicht: (2025)

TimeWak: Temporal Chained-Hashing Watermark for Time Series Data
von: Soi, Zhi Wen, et al.
Veröffentlicht: (2025)

A Cramér-von Mises Approach to Incentivizing Truthful Data Sharing
von: Clinton, Alex, et al.
Veröffentlicht: (2025)

Learning Feature Encoder with Synthetic Anomalies for Weakly Supervised Graph Anomaly Detection
von: Zhou, Yingjie, et al.
Veröffentlicht: (2026)

DTMamba : Dual Twin Mamba for Time Series Forecasting
von: Wu, Zexue, et al.
Veröffentlicht: (2024)

Multi-Modal View Enhanced Large Vision Models for Long-Term Time Series Forecasting
von: Shen, ChengAo, et al.
Veröffentlicht: (2025)

SVTime: Small Time Series Forecasting Models Informed by "Physics" of Large Vision Model Forecasters
von: Shen, ChengAo, et al.
Veröffentlicht: (2025)

Adaptive Time Series Reasoning via Segment Selection
von: Messica, Shvat, et al.
Veröffentlicht: (2026)

FIC-TSC: Learning Time Series Classification with Fisher Information Constraint
von: Chen, Xiwen, et al.
Veröffentlicht: (2025)

TRACE: Grounding Time Series in Context for Multimodal Embedding and Retrieval
von: Chen, Jialin, et al.
Veröffentlicht: (2025)

From Images to Signals: Are Large Vision Models Useful for Time Series Analysis?
von: Zhao, Ziming, et al.
Veröffentlicht: (2025)

Forecasting Russian Equipment Losses Using Time Series and Deep Learning Models
von: Teagan, Jonathan
Veröffentlicht: (2025)

Harnessing Vision Models for Time Series Analysis: A Survey
von: Ni, Jingchao, et al.
Veröffentlicht: (2025)

Codebook-Centric Deep Hashing: End-to-End Joint Learning of Semantic Hash Centers and Neural Hash Function
von: Yin, Shuo, et al.
Veröffentlicht: (2025)

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

Adaptive Fine-Tuning via Pattern Specialization for Deep Time Series Forecasting
von: Saadallah, Amal, et al.
Veröffentlicht: (2025)

Learning to Break Deep Perceptual Hashing: The Use Case NeuralHash
von: Struppek, Lukas, et al.
Veröffentlicht: (2021)