Buchumschlag

APT: Affine Prototype-Timestamp For Time Series Forecasting Under Distribution Shift

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Yujie, Shao, Zezhi, Yu, Chengqing, Fu, Yisong, Sun, Tao, Xu, Yongjun, Wang, Fei
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

Selective Learning for Deep Time Series Forecasting
von: Fu, Yisong, et al.
Veröffentlicht: (2025)

ARIES: Relation Assessment and Model Recommendation for Deep Time Series Forecasting
von: Wang, Fei, et al.
Veröffentlicht: (2025)

BLAST: Balanced Sampling Time Series Corpus for Universal Forecasting Models
von: Shao, Zezhi, et al.
Veröffentlicht: (2025)

On the Integration of Spatial-Temporal Knowledge: A Lightweight Approach to Atmospheric Time Series Forecasting
von: Fu, Yisong, et al.
Veröffentlicht: (2024)

GinAR: An End-To-End Multivariate Time Series Forecasting Model Suitable for Variable Missing
von: Yu, Chengqing, et al.
Veröffentlicht: (2024)

Merlin: Multi-View Representation Learning for Robust Multivariate Time Series Forecasting with Unfixed Missing Rates
von: Yu, Chengqing, et al.
Veröffentlicht: (2025)

Exploring Progress in Multivariate Time Series Forecasting: Comprehensive Benchmarking and Heterogeneity Analysis
von: Shao, Zezhi, et al.
Veröffentlicht: (2023)

HUTFormer: Hierarchical U-Net Transformer for Long-Term Traffic Forecasting
von: Shao, Zezhi, et al.
Veröffentlicht: (2023)

STA-GANN: A Valid and Generalizable Spatio-Temporal Kriging Approach
von: Li, Yujie, et al.
Veröffentlicht: (2025)

PULSE: Generative Phase Evolution for Non-Stationary Time Series Forecasting
von: Liu, Yangyou, et al.
Veröffentlicht: (2026)

IndexNet: Timestamp and Variable-Aware Modeling for Time Series Forecasting
von: Wu, Beiliang, et al.
Veröffentlicht: (2025)

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

Calibration of Time-Series Forecasting: Detecting and Adapting Context-Driven Distribution Shift
von: Chen, Mouxiang, et al.
Veröffentlicht: (2023)

Rethinking the Power of Timestamps for Robust Time Series Forecasting: A Global-Local Fusion Perspective
von: Wang, Chengsen, et al.
Veröffentlicht: (2024)

Evolving Multi-Scale Normalization for Time Series Forecasting under Distribution Shifts
von: Qin, Dalin, et al.
Veröffentlicht: (2024)

ProtoTS: Learning Hierarchical Prototypes for Explainable Time Series Forecasting
von: Peng, Ziheng, et al.
Veröffentlicht: (2025)

TOTEM: TOkenized Time Series EMbeddings for General Time Series Analysis
von: Talukder, Sabera, et al.
Veröffentlicht: (2024)

From Consistency to Complementarity: Aligned and Disentangled Multi-modal Learning for Time Series Understanding and Reasoning
von: Ni, Hang, et al.
Veröffentlicht: (2026)

Pre-training Epidemic Time Series Forecasters with Compartmental Prototypes
von: Liu, Zewen, et al.
Veröffentlicht: (2025)

The Forecast After the Forecast: A Post-Processing Shift in Time Series
von: Liang, Daojun, et al.
Veröffentlicht: (2026)

PSformer: Parameter-efficient Transformer with Segment Attention for Time Series Forecasting
von: Wang, Yanlong, et al.
Veröffentlicht: (2024)

Addressing Concept Shift in Online Time Series Forecasting: Detect-then-Adapt
von: Zhang, YiFan, et al.
Veröffentlicht: (2024)

Imputation with Inter-Series Information from Prototypes for Irregular Sampled Time Series
von: Yu, Zhihao, et al.
Veröffentlicht: (2024)

Rethinking Adam for Time Series Forecasting: A Simple Heuristic to Improve Optimization under Distribution Shifts
von: Dong, Yuze, et al.
Veröffentlicht: (2026)

Detecting Diffusion-Generated Time Series Under Generator Shift
von: Soi, Zhi Wen, et al.
Veröffentlicht: (2026)

Distributionally Robust Policy Evaluation under General Covariate Shift in Contextual Bandits
von: Guo, Yihong, et al.
Veröffentlicht: (2024)

Online Policy Distillation with Decision-Attention
von: Yu, Xinqiang, et al.
Veröffentlicht: (2024)

Dual-Prototype Disentanglement: A Context-Aware Enhancement Framework for Time Series Forecasting
von: Yang, Haonan, et al.
Veröffentlicht: (2026)

CANDI: Curated Test-Time Adaptation for Multivariate Time-Series Anomaly Detection Under Distribution Shift
von: Kim, HyunGi, et al.
Veröffentlicht: (2026)

Copula Conformal Prediction for Multi-step Time Series Forecasting
von: Sun, Sophia, et al.
Veröffentlicht: (2022)

Nonstationary Time Series Forecasting via Unknown Distribution Adaptation
von: Li, Zijian, et al.
Veröffentlicht: (2024)

PAMod: Modeling Cyclical Shifts via Phase-Amplitude Modulation for Non-stationary Time Series Forecasting
von: Zhou, Yingbo, et al.
Veröffentlicht: (2026)

PPGF: Probability Pattern-Guided Time Series Forecasting
von: Sun, Yanru, et al.
Veröffentlicht: (2025)

CRAFT: Time Series Forecasting with Cross-Future Behavior Awareness
von: Zhang, Yingwei, et al.
Veröffentlicht: (2025)

Online Time Series Forecasting with Theoretical Guarantees
von: Li, Zijian, et al.
Veröffentlicht: (2025)

PRformer: Pyramidal Recurrent Transformer for Multivariate Time Series Forecasting
von: Yu, Yongbo, et al.
Veröffentlicht: (2024)

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

CATS: Enhancing Multivariate Time Series Forecasting by Constructing Auxiliary Time Series as Exogenous Variables
von: Lu, Jiecheng, et al.
Veröffentlicht: (2024)

Bi-Mamba+: Bidirectional Mamba for Time Series Forecasting
von: Liang, Aobo, et al.
Veröffentlicht: (2024)

Supervised Algorithmic Fairness in Distribution Shifts: A Survey
von: Shao, Minglai, et al.
Veröffentlicht: (2024)