Buchumschlag

Synthetic Series-Symbol Data Generation for Time Series Foundation Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Wenxuan, Wu, Kai, Li, Yujian Betterest, Wang, Dan, Zhang, Xiaoyu
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

Mitigating Data Scarcity in Time Series Analysis: A Foundation Model with Series-Symbol Data Generation
von: Wang, Wenxuan, et al.
Veröffentlicht: (2025)

Lightweight Time Series Data Valuation on Time Series Foundation Models via In-Context Finetuning
von: Wu, Shunyu, et al.
Veröffentlicht: (2025)

Rapid Plug-in Defenders
von: Wu, Kai, et al.
Veröffentlicht: (2023)

CauKer: Classification Time Series Foundation Models Can Be Pretrained on Synthetic Data
von: Xie, Shifeng, et al.
Veröffentlicht: (2025)

Towards Foundation Models for Zero-Shot Time Series Anomaly Detection: Leveraging Synthetic Data and Relative Context Discrepancy
von: Lan, Tian, et al.
Veröffentlicht: (2025)

TiCT: A Synthetically Pre-Trained Foundation Model for Time Series Classification
von: Yeh, Chin-Chia Michael, et al.
Veröffentlicht: (2025)

TSFMAudit: Data Contamination Auditing in Forecasting Time Series Foundation Models
von: Li, Hongkai, et al.
Veröffentlicht: (2026)

Transformers and Their Roles as Time Series Foundation Models
von: Wu, Dennis, et al.
Veröffentlicht: (2025)

From Values to Tokens: An LLM-Driven Framework for Context-aware Time Series Forecasting via Symbolic Discretization
von: Tao, Xiaoyu, et al.
Veröffentlicht: (2025)

Empowering Time Series Analysis with Foundation Models: A Comprehensive Survey
von: Ye, Jiexia, et al.
Veröffentlicht: (2024)

TimeDiT: General-purpose Diffusion Transformers for Time Series Foundation Model
von: Cao, Defu, et al.
Veröffentlicht: (2024)

Leveraging Generic Time Series Foundation Models for EEG Classification
von: Gnassounou, Théo, et al.
Veröffentlicht: (2025)

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

Diversified Scaling Inference in Time Series Foundation Models
von: Hua, Ruijin, et al.
Veröffentlicht: (2026)

A Time-Series Foundation Model by Universal Delay Embedding
von: Wang, Zijian, et al.
Veröffentlicht: (2025)

Distilling Time Series Foundation Models for Efficient Forecasting
von: Li, Yuqi, et al.
Veröffentlicht: (2026)

This Time is Different: An Observability Perspective on Time Series Foundation Models
von: Cohen, Ben, et al.
Veröffentlicht: (2025)

TimePFN: Effective Multivariate Time Series Forecasting with Synthetic Data
von: Taga, Ege Onur, et al.
Veröffentlicht: (2025)

Measuring Pre-training Data Quality without Labels for Time Series Foundation Models
von: Wen, Songkang, et al.
Veröffentlicht: (2024)

Foundation Models for Time Series: A Survey
von: Kottapalli, Siva Rama Krishna, et al.
Veröffentlicht: (2025)

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

Bridging Distribution Gaps in Time Series Foundation Model Pretraining with Prototype-Guided Normalization
von: Gong, Peiliang, et al.
Veröffentlicht: (2025)

Revisiting Backdoor Attacks on Time Series Classification in the Frequency Domain
von: Huang, Yuanmin, et al.
Veröffentlicht: (2025)

Time Series Foundation Models for Process Model Forecasting
von: Yu, Yongbo, et al.
Veröffentlicht: (2025)

Discrete Prototypical Memories for Federated Time Series Foundation Models
von: Deng, Liwei, et al.
Veröffentlicht: (2026)

FlowTS: Time Series Generation via Rectified Flow
von: Hu, Yang, et al.
Veröffentlicht: (2024)

UniCA: Unified Covariate Adaptation for Time Series Foundation Model
von: Han, Lu, et al.
Veröffentlicht: (2025)

A Multi-scenario Attention-based Generative Model for Personalized Blood Pressure Time Series Forecasting
von: Wan, Cheng, et al.
Veröffentlicht: (2024)

A Mamba Foundation Model for Time Series Forecasting
von: Ma, Haoyu, et al.
Veröffentlicht: (2024)

T2S: High-resolution Time Series Generation with Text-to-Series Diffusion Models
von: Ge, Yunfeng, et al.
Veröffentlicht: (2025)

Enabling Granular Subgroup Level Model Evaluations by Generating Synthetic Medical Time Series
von: Ibrahim, Mahmoud, et al.
Veröffentlicht: (2025)

DualWeaver: Synergistic Feature Weaving Surrogates for Multivariate Forecasting with Univariate Time Series Foundation Models
von: Li, Jinpeng, et al.
Veröffentlicht: (2026)

Reverso: Efficient Time Series Foundation Models for Zero-shot Forecasting
von: Fu, Xinghong, et al.
Veröffentlicht: (2026)

A Comparative Study on How Data Normalization Affects Zero-Shot Generalization in Time Series Foundation Models
von: Ahmed, Ihab, et al.
Veröffentlicht: (2025)

Enhancing Foundation Models for Time Series Forecasting via Wavelet-based Tokenization
von: Masserano, Luca, et al.
Veröffentlicht: (2024)

Out-of-Distribution Generalization in Time Series: A Survey
von: Wu, Xin, et al.
Veröffentlicht: (2025)

Evaluating Temporal Plasticity in Foundation Time Series Models for Incremental Fine-tuning
von: Liu, Jia, et al.
Veröffentlicht: (2025)

Estimating Time Series Foundation Model Transferability via In-Context Learning
von: Yao, Qingren, et al.
Veröffentlicht: (2025)

AIGC for Industrial Time Series: From Deep Generative Models to Large Generative Models
von: Ren, Lei, et al.
Veröffentlicht: (2024)

NuwaTS: a Foundation Model Mending Every Incomplete Time Series
von: Cheng, Jinguo, et al.
Veröffentlicht: (2024)