Buchumschlag

Position: Current Benchmarking Hinders Real Progress in Deep Learning for Time Series Forecasting

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Moretti, Valentina, Marisca, Ivan, Alippi, Cesare, Cini, Andrea
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

Graph Deep Learning for Time Series Forecasting
von: Cini, Andrea, et al.
Veröffentlicht: (2023)

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

On the Regularization of Learnable Embeddings for Time Series Forecasting
von: Butera, Luca, et al.
Veröffentlicht: (2024)

Graph-based Forecasting with Missing Data through Spatiotemporal Downsampling
von: Marisca, Ivan, et al.
Veröffentlicht: (2024)

Hierarchical Message-Passing Policies for Multi-Agent Reinforcement Learning
von: Marzi, Tommaso, et al.
Veröffentlicht: (2025)

Why Do Time Series Models Need Long Context Windows?
von: Butera, Luca, et al.
Veröffentlicht: (2026)

Graph State-Space Models and Latent Relational Inference
von: Zambon, Daniele, et al.
Veröffentlicht: (2023)

PeakWeather: MeteoSwiss Weather Station Measurements for Spatiotemporal Deep Learning
von: Zambon, Daniele, et al.
Veröffentlicht: (2025)

Relational Conformal Prediction for Correlated Time Series
von: Cini, Andrea, et al.
Veröffentlicht: (2025)

Feudal Graph Reinforcement Learning
von: Marzi, Tommaso, et al.
Veröffentlicht: (2023)

Over-squashing in Spatiotemporal Graph Neural Networks
von: Marisca, Ivan, et al.
Veröffentlicht: (2025)

Object-Centric Relational Representations for Image Generation
von: Butera, Luca, et al.
Veröffentlicht: (2023)

Temporal Graph ODEs for Irregularly-Sampled Time Series
von: Gravina, Alessio, et al.
Veröffentlicht: (2024)

Graph-based Virtual Sensing from Sparse and Partial Multivariate Observations
von: De Felice, Giovanni, et al.
Veröffentlicht: (2024)

ResCP: Reservoir Conformal Prediction for Time Series Forecasting
von: Neglia, Roberto, et al.
Veröffentlicht: (2025)

Beyond Softmax: A Natural Parameterization for Categorical Random Variables
von: Manenti, Alessandro, et al.
Veröffentlicht: (2025)

Assessment of Spatio-Temporal Predictors in the Presence of Missing and Heterogeneous Data
von: Zambon, Daniele, et al.
Veröffentlicht: (2023)

Learning Latent Graph Structures and their Uncertainty
von: Manenti, Alessandro, 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)

DRAN: A Distribution and Relation Adaptive Network for Spatio-temporal Forecasting
von: Zou, Xiaobei, et al.
Veröffentlicht: (2025)

Deep Autocorrelation Modeling for Time-Series Forecasting: Progress and Prospects
von: Wang, Hao, et al.
Veröffentlicht: (2026)

Change Detection in Graph Streams by Learning Graph Embeddings on Constant-Curvature Manifolds
von: Grattarola, Daniele, et al.
Veröffentlicht: (2018)

TimeOmni-VL: Unified Models for Time Series Understanding and Generation
von: Guan, Tong, et al.
Veröffentlicht: (2026)

Torch Geometric Pool: the PyTorch library for pooling in Graph Neural Networks
von: Abate, Carlo, et al.
Veröffentlicht: (2025)

Minusformer: Improving Time Series Forecasting by Progressively Learning Residuals
von: Liang, Daojun, et al.
Veröffentlicht: (2024)

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

Online Continual Graph Learning
von: Donghi, Giovanni, et al.
Veröffentlicht: (2025)

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

The Unreasonable Effectiveness of Randomized Representations in Online Continual Graph Learning
von: Donghi, Giovanni, et al.
Veröffentlicht: (2025)

Hierarchical Representation Learning in Graph Neural Networks with Node Decimation Pooling
von: Bianchi, Filippo Maria, et al.
Veröffentlicht: (2019)

Deep Learning for Time Series Forecasting: A Survey
von: Kong, Xiangjie, et al.
Veröffentlicht: (2025)

Progressive Neural Network for Multi-Horizon Time Series Forecasting
von: Lin, Yang
Veröffentlicht: (2023)

Implicit Reasoning in Deep Time Series Forecasting
von: Potosnak, Willa, et al.
Veröffentlicht: (2024)

FX-DARTS: Designing Topology-unconstrained Architectures with Differentiable Architecture Search and Entropy-based Super-network Shrinking
von: Rao, Xuan, et al.
Veröffentlicht: (2025)

A Survey of Deep Learning and Foundation Models for Time Series Forecasting
von: Miller, John A., et al.
Veröffentlicht: (2024)

Beyond Holistic Models: Systematic Component-level Benchmarking of Deep Multivariate Time-Series Forecasting
von: Liang, Shuang, et al.
Veröffentlicht: (2026)

Learning to Predict Global Atrial Fibrillation Dynamics from Sparse Measurements
von: Jenkins, Alexander, et al.
Veröffentlicht: (2025)

Better Batch for Deep Probabilistic Time Series Forecasting
von: Zheng, Vincent Zhihao, et al.
Veröffentlicht: (2023)

Position: Beyond Model-Centric Prediction -- Agentic Time Series Forecasting
von: Cheng, Mingyue, et al.
Veröffentlicht: (2026)

SWING: Unlocking Implicit Graph Representations for Graph Random Features
von: Manenti, Alessandro, et al.
Veröffentlicht: (2026)