Buchumschlag

MoGU: Mixture-of-Gaussians with Uncertainty-based Gating for Time Series Forecasting

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Aviv, Gilad, Goldberger, Jacob, Shavit, Yoli
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Quantifying the Pre-training Dividend: Generative versus Latent Self-Supervised Learning for Time Series Foundation Models
von: Major, Noam, et al.
Veröffentlicht: (2026)

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

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

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

KappaPlace: Learning Hyperspherical Uncertainty for Visual Place Recognition via Prototype-Anchored Supervision
von: Yanko, Maya, et al.
Veröffentlicht: (2026)

Mamba or Transformer for Time Series Forecasting? Mixture of Universals (MoU) Is All You Need
von: Peng, Sijia, et al.
Veröffentlicht: (2024)

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

Conformal Prediction of Classifiers with Many Classes based on Noisy Labels
von: Penso, Coby, et al.
Veröffentlicht: (2025)

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

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)

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

Meta Reinforcement Learning with Finite Training Tasks -- a Density Estimation Approach
von: Rimon, Zohar, et al.
Veröffentlicht: (2022)

WAVE: Weighted Autoregressive Varying Gate for Time Series Forecasting
von: Lu, Jiecheng, 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)

ASGMamba: Adaptive Spectral Gating Mamba for Multivariate Time Series Forecasting
von: Li, Qianyang, et al.
Veröffentlicht: (2026)

Time-MoE: Billion-Scale Time Series Foundation Models with Mixture of Experts
von: Shi, Xiaoming, et al.
Veröffentlicht: (2024)

Beyond Static Uncertainty: Modeling Temporal Uncertainty Dynamics for Probabilistic Time Series Forecasting
von: Wang, Yijun, et al.
Veröffentlicht: (2026)

Mixture of Low Rank Adaptation with Partial Parameter Sharing for Time Series Forecasting
von: Pan, Licheng, et al.
Veröffentlicht: (2025)

Optimizing the Training Diet: Data Mixture Search for Robust Time Series Forecasting
von: Pennino, Federico, et al.
Veröffentlicht: (2025)

A Conformal Prediction Score that is Robust to Label Noise
von: Penso, Coby, et al.
Veröffentlicht: (2024)

Flow Matching with Gaussian Process Priors for Probabilistic Time Series Forecasting
von: Kollovieh, Marcel, et al.
Veröffentlicht: (2024)

Diffusion-based Time Series Forecasting for Sewerage Systems
von: Pearson, Nicholas A., et al.
Veröffentlicht: (2025)

Perceiver-based CDF Modeling for Time Series Forecasting
von: Le, Cat P., et al.
Veröffentlicht: (2023)

TimeGMM: Single-Pass Probabilistic Forecasting via Adaptive Gaussian Mixture Models with Reversible Normalization
von: Liu, Lei, et al.
Veröffentlicht: (2026)

EnergyPatchTST: Multi-scale Time Series Transformers with Uncertainty Estimation for Energy Forecasting
von: Li, Wei, et al.
Veröffentlicht: (2025)

Towards Reliable Time Series Forecasting under Future Uncertainty: Ambiguity and Novelty Rejection Mechanisms
von: Feng, Ninghui, et al.
Veröffentlicht: (2025)

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

Time Series Forecastability Measures
von: Wang, Rui, et al.
Veröffentlicht: (2025)

Ellipsoidal Time Series Forecasting
von: Wang, Qilin
Veröffentlicht: (2025)

Performative Time-Series Forecasting
von: Zhao, Zhiyuan, et al.
Veröffentlicht: (2023)

MP-MoE: Matrix Profile-Guided Mixture of Experts for Precipitation Forecasting
von: Tran, Huyen Ngoc, et al.
Veröffentlicht: (2026)

LETS Forecast: Learning Embedology for Time Series Forecasting
von: Majeedi, Abrar, et al.
Veröffentlicht: (2025)

Test Time Learning for Time Series Forecasting
von: Christou, Panayiotis, et al.
Veröffentlicht: (2024)

Contrastive Time Series Forecasting with Anomalies
von: Ekstrand, Joel, et al.
Veröffentlicht: (2025)

Retrieval Augmented Time Series Forecasting
von: Tire, Kutay, et al.
Veröffentlicht: (2024)

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

HN-MVTS: HyperNetwork-based Multivariate Time Series Forecasting
von: Savchenko, Andrey, et al.
Veröffentlicht: (2025)

Graph-based Time Series Clustering for End-to-End Hierarchical Forecasting
von: Cini, Andrea, et al.
Veröffentlicht: (2023)