Buchumschlag

Adaptive Multi-task Learning for Probabilistic Load Forecasting

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zaballa, Onintze, Álvarez, Verónica, Mazuelas, Santiago
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Applications
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Multi-task Online Learning for Probabilistic Load Forecasting
von: Zaballa, Onintze, et al.
Veröffentlicht: (2025)

Probabilistic Load Forecasting Based on Adaptive Online Learning
von: Álvarez, Verónica, et al.
Veröffentlicht: (2020)

Simplifying Random Forests' Probabilistic Forecasts
von: Koster, Nils, et al.
Veröffentlicht: (2024)

Robust Minimax Boosting with Performance Guarantees
von: Mazuelas, Santiago, et al.
Veröffentlicht: (2025)

BuildSTG: A Multi-building Energy Load Forecasting Method using Spatio-Temporal Graph Neural Network
von: Liu, Yongzheng, et al.
Veröffentlicht: (2025)

Multi-task Modeling for Engineering Applications with Sparse Data
von: Comlek, Yigitcan, et al.
Veröffentlicht: (2026)

Signature Kernel Scoring Rule: A Spatio-Temporal Diagnostic for Probabilistic Weather Forecasting
von: Dodson, Archer, et al.
Veröffentlicht: (2025)

Long-Term Probabilistic Forecast of Vegetation Conditions Using Climate Attributes in the Four Corners Region
von: McPhillips, Erika, et al.
Veröffentlicht: (2026)

Achieving Skilled and Reliable Daily Probabilistic Forecasts of Wind Power at Subseasonal-to-Seasonal Timescales over France
von: Lindas, Eloi, et al.
Veröffentlicht: (2025)

Spatio-temporal DeepKriging in PyTorch: A Supplementary Application to Precipitation Data for Interpolation and Probabilistic Forecasting
von: Nag, Pratik
Veröffentlicht: (2025)

Probabilistic Multi-Layer Perceptrons for Wind Farm Condition Monitoring
von: Fiocchi, Filippo, et al.
Veröffentlicht: (2024)

Generative Probabilistic Time Series Forecasting and Applications in Grid Operations
von: Wang, Xinyi, et al.
Veröffentlicht: (2024)

Weather-Informed Probabilistic Forecasting and Scenario Generation in Power Systems
von: Zhang, Hanyu, et al.
Veröffentlicht: (2024)

Supervised Learning with Evolving Tasks and Performance Guarantees
von: Álvarez, Verónica, et al.
Veröffentlicht: (2025)

Federated Learning for Financial Forecasting
von: Noseda, Manuel, et al.
Veröffentlicht: (2025)

Multi-task Neural Diffusion Processes
von: Rawson, Joseph, et al.
Veröffentlicht: (2025)

MMformer with Adaptive Transferable Attention: Advancing Multivariate Time Series Forecasting for Environmental Applications
von: Xin, Ning, et al.
Veröffentlicht: (2025)

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

Adaptive Bayesian Very Short-Term Wind Power Forecasting Based on the Generalised Logit Transformation
von: Shen, Tao, et al.
Veröffentlicht: (2025)

Viral Load Inference in Non-Adaptive Pooled Testing
von: Sheikh, Mansoor, et al.
Veröffentlicht: (2024)

Monitoring Machine Learning Forecasts for Platform Data Streams
von: Rombouts, Jeroen, et al.
Veröffentlicht: (2024)

A Probabilistic Approach to Pose Synchronization for Multi-Reference Alignment with Applications to MIMO Wireless Communication Systems
von: Romijnders, Rob, et al.
Veröffentlicht: (2025)

Improving Model Chain Approaches for Probabilistic Solar Energy Forecasting through Post-processing and Machine Learning
von: Horat, Nina, et al.
Veröffentlicht: (2024)

Transfer Learning using 66 Diseases for Disease Forecasting Applications
von: Beesley, Lauren J, et al.
Veröffentlicht: (2026)

Beyond Grids: Multi-objective Bayesian Optimization With Adaptive Discretization
von: Nika, Andi, et al.
Veröffentlicht: (2020)

Gaussian Process Regression for Active Sensing Probabilistic Structural Health Monitoring: Experimental Assessment Across Multiple Damage and Loading Scenarios
von: Amer, Ahmad, et al.
Veröffentlicht: (2021)

Forecasting Monthly Residential Natural Gas Demand Using Just-In-Time-Learning Modeling
von: Alakent, Burak, et al.
Veröffentlicht: (2025)

Reliable Programmatic Weak Supervision with Confidence Intervals for Label Probabilities
von: Álvarez, Verónica, et al.
Veröffentlicht: (2025)

DeepMIDE: A Multi-Output Spatio-Temporal Method for Ultra-Scale Offshore Wind Energy Forecasting
von: Ye, Feng, et al.
Veröffentlicht: (2024)

Adaptive Degradation Process with Deep Learning-Driven Trajectory
von: Yang, Li
Veröffentlicht: (2021)

Split Conformal Classification with Unsupervised Calibration
von: Mazuelas, Santiago
Veröffentlicht: (2025)

Informed Forecasting: Leveraging Auxiliary Knowledge to Boost LLM Performance on Time Series Forecasting
von: Ghasemloo, Mohammadmahdi, et al.
Veröffentlicht: (2025)

Weather-Related Crash Risk Forecasting: A Deep Learning Approach for Heterogenous Spatiotemporal Data
von: Ogungbire, Abimbola, et al.
Veröffentlicht: (2026)

Probabilistic Spatial Interpolation of Sparse Data using Diffusion Models
von: Tsao, Valerie, et al.
Veröffentlicht: (2025)

Hierarchical Probabilistic Conformal Prediction for Distributed Energy Resources Adoption
von: Zhou, Wenbin, et al.
Veröffentlicht: (2024)

A Novel Hybrid Approach to Contraceptive Demand Forecasting: Integrating Point Predictions with Probabilistic Distributions
von: Hewage, Harsha Chamara, et al.
Veröffentlicht: (2025)

Long-Term Spatio-Temporal Forecasting of Monthly Rainfall in West Bengal Using Ensemble Learning Approaches
von: Adhikary, Jishu, et al.
Veröffentlicht: (2025)

Data-driven Calibration Sample Selection and Forecast Combination in Electricity Price Forecasting: An Application of the ARHNN Method
von: Serafin, Tomasz, et al.
Veröffentlicht: (2025)

Probabilistic intraday electricity price forecasting using generative machine learning
von: Chen, Jieyu, et al.
Veröffentlicht: (2025)

Uncertainty Quantification of Spatiotemporal Travel Demand with Probabilistic Graph Neural Networks
von: Wang, Qingyi, et al.
Veröffentlicht: (2023)