:: Library Catalog

Copertina

Salvato in:

Dettagli Bibliografici
Autori principali:	Potosnak, Willa, Wolff, Malcolm, Cao, Mengfei, Ma, Ruijun, Konstantinova, Tatiana, Efimov, Dmitry, Mahoney, Michael W., Oreshkin, Boris, Olivares, Kin G.
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Machine Learning
Accesso online:	https://arxiv.org/abs/2510.04487
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

A More Realistic Evaluation of Cross-Frequency Transfer Learning and Foundation Forecasting Models
di: Olivares, Kin G., et al.
Pubblicazione: (2025)

Time-Aware Prior Fitted Networks for Zero-Shot Forecasting with Exogenous Variables
di: Potapczynski, Andres, et al.
Pubblicazione: (2026)

Zero-shot Forecasting by Simulation Alone
di: Oreshkin, Boris N., et al.
Pubblicazione: (2026)

Efficiently Generating Correlated Sample Paths from Multi-step Time Series Foundation Models
di: Baron, Ethan, et al.
Pubblicazione: (2025)

$\spadesuit$ SPADE $\spadesuit$ Split Peak Attention DEcomposition
di: Wolff, Malcolm, et al.
Pubblicazione: (2024)

$\clubsuit$ CLOVER $\clubsuit$: Probabilistic Forecasting with Coherent Learning Objective Reparameterization
di: Olivares, Kin G., et al.
Pubblicazione: (2023)

TAT: Temporal-Aligned Transformer for Multi-Horizon Peak Demand Forecasting
di: Zhao, Zhiyuan, et al.
Pubblicazione: (2025)

Global Deep Forecasting with Patient-Specific Pharmacokinetics
di: Potosnak, Willa, et al.
Pubblicazione: (2023)

Probabilistic Pretraining for Neural Regression
di: Oreshkin, Boris N., et al.
Pubblicazione: (2025)

Investigating Compositional Reasoning in Time Series Foundation Models
di: Potosnak, Willa, et al.
Pubblicazione: (2025)

SPADE-S: A Sparsity-Robust Foundational Forecaster
di: Wolff, Malcolm, et al.
Pubblicazione: (2025)

Exploring Representations and Interventions in Time Series Foundation Models
di: Wiliński, Michał, et al.
Pubblicazione: (2024)

Towards Long-Context Time Series Foundation Models
di: Żukowska, Nina, et al.
Pubblicazione: (2024)

LLMForecaster: Improving Seasonal Event Forecasts with Unstructured Textual Data
di: Zhang, Hanyu, et al.
Pubblicazione: (2024)

Implicit Reasoning in Deep Time Series Forecasting
di: Potosnak, Willa, et al.
Pubblicazione: (2024)

MICA: Multivariate Infini Compressive Attention for Time Series Forecasting
di: Potosnak, Willa, et al.
Pubblicazione: (2026)

Using Pre-trained LLMs for Multivariate Time Series Forecasting
di: Wolff, Malcolm L., et al.
Pubblicazione: (2025)

End-to-End Probabilistic Framework for Learning with Hard Constraints
di: Utkarsh, Utkarsh, et al.
Pubblicazione: (2025)

MODL: Multilearner Online Deep Learning
di: Valkanas, Antonios, et al.
Pubblicazione: (2024)

Any-Quantile Probabilistic Forecasting of Short-Term Electricity Demand
di: Smyl, Slawek, et al.
Pubblicazione: (2024)

SKOLR: Structured Koopman Operator Linear RNN for Time-Series Forecasting
di: Zhang, Yitian, et al.
Pubblicazione: (2025)

Online Posterior Sampling with a Diffusion Prior
di: Kveton, Branislav, et al.
Pubblicazione: (2024)

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

A Fully Convolutional Approach to Denoising Structural Dynamics Data from X-Ray Photon Correlation Spectroscopy
di: Nellikunnummel, Nisar, et al.
Pubblicazione: (2026)

WaveCastNet: Rapid Wavefield Forecasting for Earthquake Early Warning via Deep Sequence to Sequence Learning
di: Lyu, Dongwei, et al.
Pubblicazione: (2024)

Random Matrix Theory for Deep Learning: Beyond Eigenvalues of Linear Models
di: Liao, Zhenyu, et al.
Pubblicazione: (2025)

Recent and Upcoming Developments in Randomized Numerical Linear Algebra for Machine Learning
di: Dereziński, Michał, et al.
Pubblicazione: (2024)

Statistical Inference of Constrained Stochastic Optimization via Sketched Sequential Quadratic Programming
di: Na, Sen, et al.
Pubblicazione: (2022)

Dynamic layer selection in decoder-only transformers
di: Glavas, Theodore, et al.
Pubblicazione: (2024)

Forking Paths in Neural Text Generation
di: Bigelow, Eric, et al.
Pubblicazione: (2024)

Models of Heavy-Tailed Mechanistic Universality
di: Hodgkinson, Liam, et al.
Pubblicazione: (2025)

Towards Scalable and Versatile Weight Space Learning
di: Schürholt, Konstantin, et al.
Pubblicazione: (2024)

Learning linear dynamical systems under convex constraints
di: Tyagi, Hemant, et al.
Pubblicazione: (2023)

HOPE for a Robust Parameterization of Long-memory State Space Models
di: Yu, Annan, et al.
Pubblicazione: (2024)

seqKAN: Sequence processing with Kolmogorov-Arnold Networks
di: Boura, Tatiana, et al.
Pubblicazione: (2025)

Why Do Reasoning Models Lose Coverage? The Role of Data and Forks in the Road
di: Nguyen, Ngoc-Hieu, et al.
Pubblicazione: (2026)

Paving the way for scientific foundation models: enhancing generalization and robustness in PDEs with constraint-aware pre-training
di: Totounferoush, Amin, et al.
Pubblicazione: (2025)

How many classifiers do we need?
di: Kim, Hyunsuk, et al.
Pubblicazione: (2024)

A Three-regime Model of Network Pruning
di: Zhou, Yefan, et al.
Pubblicazione: (2023)

A Reinforcement Learning Based Universal Sequence Design for Polar Codes
di: Ho, David Kin Wai, et al.
Pubblicazione: (2026)