Buchumschlag

TimeExpert: Boosting Long Time Series Forecasting with Temporal Mix of Experts

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ma, Xiaowen, Ge, Shuning, Yang, Fan, Li, Xiangyu, Chen, Yun, Ma, Mengting, Zhang, Wei, Liu, Zhipeng
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

TimePro: Efficient Multivariate Long-term Time Series Forecasting with Variable- and Time-Aware Hyper-state
von: Ma, Xiaowen, et al.
Veröffentlicht: (2025)

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

TimeExpert: An Expert-Guided Video LLM for Video Temporal Grounding
von: Yang, Zuhao, et al.
Veröffentlicht: (2025)

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

Mixture-of-Linear-Experts for Long-term Time Series Forecasting
von: Ni, Ronghao, et al.
Veröffentlicht: (2023)

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

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

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

Modeling Temporal Dependencies within the Target for Long-Term Time Series Forecasting
von: Xiong, Qi, et al.
Veröffentlicht: (2024)

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

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

Dynamic Experts Search: Enhancing Reasoning in Mixture-of-Experts LLMs at Test Time
von: Han, Yixuan, et al.
Veröffentlicht: (2025)

TFKAN: Time-Frequency KAN for Long-Term Time Series Forecasting
von: Kui, Xiaoyan, et al.
Veröffentlicht: (2025)

TimeFormer: Transformer with Attention Modulation Empowered by Temporal Characteristics for Time Series Forecasting
von: Liu, Zhipeng, et al.
Veröffentlicht: (2025)

AME-TS: Anchored Mixture-of-Experts for Time Series Forecasting
von: Wang, Rui, 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)

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

Multi-resolution Time-Series Transformer for Long-term Forecasting
von: Zhang, Yitian, et al.
Veröffentlicht: (2023)

Let Experts Feel Uncertainty: A Multi-Expert Label Distribution Approach to Probabilistic Time Series Forecasting
von: Zhou, Zhen, et al.
Veröffentlicht: (2026)

TimeMixer: Decomposable Multiscale Mixing for Time Series Forecasting
von: Wang, Shiyu, et al.
Veröffentlicht: (2024)

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

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

SST: Multi-Scale Hybrid Mamba-Transformer Experts for Time Series Forecasting
von: Xu, Xiongxiao, et al.
Veröffentlicht: (2024)

Boosting MLPs with a Coarsening Strategy for Long-Term Time Series Forecasting
von: Bian, Nannan, et al.
Veröffentlicht: (2024)

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

Expert Merging: Model Merging with Unsupervised Expert Alignment and Importance-Guided Layer Chunking
von: Zhang, Dengming, et al.
Veröffentlicht: (2025)

Learning Pattern-Specific Experts for Time Series Forecasting Under Patch-level Distribution Shift
von: Sun, Yanru, et al.
Veröffentlicht: (2024)

SEMixer: Semantics Enhanced MLP-Mixer for Multiscale Mixing and Long-term Time Series Forecasting
von: Zhang, Xu, et al.
Veröffentlicht: (2026)

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

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

Long Input Sequence Network for Long Time Series Forecasting
von: Ma, Chao, et al.
Veröffentlicht: (2024)

DDT: A Dual-Masking Dual-Expert Transformer for Energy Time-Series Forecasting
von: Zhu, Mingnan, et al.
Veröffentlicht: (2026)

Online Irregular Multivariate Time Series Forecasting via Uncertainty-Driven Dual-Expert Calibration
von: Wen, Haonan, et al.
Veröffentlicht: (2026)

Scaling Law for Time Series Forecasting
von: Shi, Jingzhe, et al.
Veröffentlicht: (2024)

TriForecaster: A Mixture of Experts Framework for Multi-Region Electric Load Forecasting with Tri-dimensional Specialization
von: Zhu, Zhaoyang, et al.
Veröffentlicht: (2025)

Hermes: A Multi-Scale Spatial-Temporal Hypergraph Network for Stock Time Series Forecasting
von: Qiu, Xiangfei, et al.
Veröffentlicht: (2025)

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

IBN: An Interpretable Bidirectional-Modeling Network for Multivariate Time Series Forecasting with Variable Missing
von: Ma, Shusen, et al.
Veröffentlicht: (2025)

Breaking the Context Bottleneck on Long Time Series Forecasting
von: Ma, Chao, et al.
Veröffentlicht: (2024)

LightGTS-Cov: Covariate-Enhanced Time Series Forecasting
von: Shang, Yong, et al.
Veröffentlicht: (2026)