Buchumschlag

The Procrustean Bed of Time Series: The Optimization Bias in Point-wise Loss Functions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Cai, Rongyao, Wan, Yuxi, Zhang, Kexin, Jin, Ming, Ge, Zhiqiang, Dong, Daoyi, Yu, Hang, Liu, Yong, Wen, Qingsong
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

Parallel Complex Diffusion for Scalable Time Series Generation
von: Cai, Rongyao, et al.
Veröffentlicht: (2026)

From Entanglement to Alignment: Representation Space Decomposition for Unsupervised Time Series Domain Adaptation
von: Cai, Rongyao, et al.
Veröffentlicht: (2025)

Self-Supervised Learning for Time Series Analysis: Taxonomy, Progress, and Prospects
von: Zhang, Kexin, et al.
Veröffentlicht: (2023)

Procrustean Bed for AI-Driven Retrosynthesis: A Unified Framework for Reproducible Evaluation
von: Morgunov, Anton, et al.
Veröffentlicht: (2025)

CP Loss: Channel-wise Perceptual Loss for Time Series Forecasting
von: Zha, Yaohua, et al.
Veröffentlicht: (2026)

Noise-Resilient Point-wise Anomaly Detection in Time Series Using Weak Segment Labels
von: Wang, Yaxuan, et al.
Veröffentlicht: (2025)

KFS: KAN based adaptive Frequency Selection learning architecture for long term time series forecasting
von: Wu, Changning, et al.
Veröffentlicht: (2025)

Patch-wise Structural Loss for Time Series Forecasting
von: Kudrat, Dilfira, et al.
Veröffentlicht: (2025)

GraphSubDetector: Time Series Subsequence Anomaly Detection via Density-Aware Adaptive Graph Neural Network
von: Chen, Weiqi, et al.
Veröffentlicht: (2024)

Position: What Can Large Language Models Tell Us about Time Series Analysis
von: Jin, Ming, et al.
Veröffentlicht: (2024)

Procrustean entanglement concentration in quantum-classical networking
von: Lu, Hsuan-Hao, et al.
Veröffentlicht: (2024)

Time-VLM: Exploring Multimodal Vision-Language Models for Augmented Time Series Forecasting
von: Zhong, Siru, et al.
Veröffentlicht: (2025)

Stabilization of Time-Varying Perturbed Quantum Systems via Reduced Filters
von: Liang, Weichao, et al.
Veröffentlicht: (2025)

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

Foundation Models for Time Series Analysis: A Tutorial and Survey
von: Liang, Yuxuan, et al.
Veröffentlicht: (2024)

Cross-Domain Conditional Diffusion Models for Time Series Imputation
von: Zhang, Kexin, et al.
Veröffentlicht: (2025)

It's TIME: Towards the Next Generation of Time Series Forecasting Benchmarks
von: Qiao, Zhongzheng, et al.
Veröffentlicht: (2026)

Time-MQA: Time Series Multi-Task Question Answering with Context Enhancement
von: Kong, Yaxuan, et al.
Veröffentlicht: (2025)

Attractor Memory for Long-Term Time Series Forecasting: A Chaos Perspective
von: Hu, Jiaxi, et al.
Veröffentlicht: (2024)

QuitoBench: A High-Quality Open Time Series Forecasting Benchmark
von: Xue, Siqiao, et al.
Veröffentlicht: (2026)

Time Evidence Fusion Network: Multi-source View in Long-Term Time Series Forecasting
von: Zhan, Tianxiang, et al.
Veröffentlicht: (2024)

Real-Time Energy Management Strategies for Community Microgrids
von: Uddin, Moslem, et al.
Veröffentlicht: (2025)

Integrated Energy Management for Operational Cost Optimization in Community Microgrids
von: Uddin, Moslem, et al.
Veröffentlicht: (2025)

HiMTM: Hierarchical Multi-Scale Masked Time Series Modeling with Self-Distillation for Long-Term Forecasting
von: Zhao, Shubao, et al.
Veröffentlicht: (2024)

Exponentially-enhanced Quantum Non-Hermitian Sensing via Optimized Coherent Drive
von: Bao, Liying, et al.
Veröffentlicht: (2021)

Fast Numerical Solver of Ising Optimization Problems via Pruning and Domain Selection
von: Li, Langyu, et al.
Veröffentlicht: (2023)

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

ShapeX: Shapelet-Driven Post Hoc Explanations for Time Series Classification Models
von: Huang, Bosong, et al.
Veröffentlicht: (2025)

CARD: Channel Aligned Robust Blend Transformer for Time Series Forecasting
von: Xue, Wang, et al.
Veröffentlicht: (2023)

Toward Physics-guided Time Series Embedding
von: Hu, Jiaxi, et al.
Veröffentlicht: (2024)

End-to-End Learning for Partially-Observed Time Series with PyPOTS
von: Du, Wenjie, et al.
Veröffentlicht: (2026)

Multi-Scale Finetuning for Encoder-based Time Series Foundation Models
von: Qiao, Zhongzheng, et al.
Veröffentlicht: (2025)

TimeSage-MT: A Multi-Turn Benchmark for Evaluating Agentic Time Series Reasoning
von: Kong, Yaxuan, et al.
Veröffentlicht: (2026)

Procrustean pseudo‐landmark methods in Python to measure massive quantities of leaf shape data
von: Asia Hightower, et al.
Veröffentlicht: (2026)

Time-SSM: Simplifying and Unifying State Space Models for Time Series Forecasting
von: Hu, Jiaxi, et al.
Veröffentlicht: (2024)

RobustTSF: Towards Theory and Design of Robust Time Series Forecasting with Anomalies
von: Cheng, Hao, et al.
Veröffentlicht: (2024)

An Efficient and Interpretable Autoregressive Model for High-Dimensional Tensor-Valued Time Series
von: Cai, Yuxi, et al.
Veröffentlicht: (2025)

Heterogeneity-Informed Meta-Parameter Learning for Spatiotemporal Time Series Forecasting
von: Dong, Zheng, et al.
Veröffentlicht: (2024)

Time-FFM: Towards LM-Empowered Federated Foundation Model for Time Series Forecasting
von: Liu, Qingxiang, et al.
Veröffentlicht: (2024)

A Survey on Graph Neural Networks for Time Series: Forecasting, Classification, Imputation, and Anomaly Detection
von: Jin, Ming, et al.
Veröffentlicht: (2023)