Buchumschlag

DDT: A Dual-Masking Dual-Expert Transformer for Energy Time-Series Forecasting

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhu, Mingnan, Zhang, Qixuan, Cheng, Yixuan, Gu, Fangzhou, Lin, Shiming
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Time-TK: A Multi-Offset Temporal Interaction Framework Combining Transformer and Kolmogorov-Arnold Networks for Time Series Forecasting
von: Zhang, Fan, et al.
Veröffentlicht: (2026)

Online Irregular Multivariate Time Series Forecasting via Uncertainty-Driven Dual-Expert Calibration
von: Wen, Haonan, et al.
Veröffentlicht: (2026)

TimeSAF: Towards LLM-Guided Semantic Asynchronous Fusion for Time Series Forecasting
von: Zhang, Fan, et al.
Veröffentlicht: (2026)

DSAT-HD: Dual-Stream Adaptive Transformer with Hybrid Decomposition for Multivariate Time Series Forecasting
von: Wang, Zixu, et al.
Veröffentlicht: (2025)

SDMixer: Sparse Dual-Mixer for Time Series Forecasting
von: Ao, Xiang
Veröffentlicht: (2026)

DPANet: Dual Pyramid Attention Network for Multivariate Time Series Forecasting
von: Li, Qianyang, et al.
Veröffentlicht: (2025)

Wavelet Mixture of Experts for Time Series Forecasting
von: Zhou, Zheng, et al.
Veröffentlicht: (2025)

DPWMixer: Dual-Path Wavelet Mixer for Long-Term Time Series Forecasting
von: Qianyang, Li, et al.
Veröffentlicht: (2025)

Mixture-of-Linear-Experts for Long-term Time Series Forecasting
von: Ni, Ronghao, et al.
Veröffentlicht: (2023)

TripCast: Pre-training of Masked 2D Transformers for Trip Time Series Forecasting
von: Liao, Yuhua, et al.
Veröffentlicht: (2024)

SST: Multi-Scale Hybrid Mamba-Transformer Experts for Time Series Forecasting
von: Xu, Xiongxiao, et al.
Veröffentlicht: (2024)

2DXformer: Dual Transformers for Wind Power Forecasting with Dual Exogenous Variables
von: Zhang, Yajuan, et al.
Veröffentlicht: (2025)

DSPR: Dual-Stream Physics-Residual Networks for Trustworthy Industrial Time Series Forecasting
von: Zhang, Yeran, et al.
Veröffentlicht: (2026)

Let Experts Feel Uncertainty: A Multi-Expert Label Distribution Approach to Probabilistic Time Series Forecasting
von: Zhou, Zhen, et al.
Veröffentlicht: (2026)

AROpt: An Optimization Method for Autoregressive Time Series Forecasting
von: Li, Zheng, et al.
Veröffentlicht: (2026)

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

AltTS: A Dual-Path Framework with Alternating Optimization for Multivariate Time Series Forecasting
von: Yuan, Zhihang, et al.
Veröffentlicht: (2026)

xPatch: Dual-Stream Time Series Forecasting with Exponential Seasonal-Trend Decomposition
von: Stitsyuk, Artyom, et al.
Veröffentlicht: (2024)

ST-MTM: Masked Time Series Modeling with Seasonal-Trend Decomposition for Time Series Forecasting
von: Seo, Hyunwoo, et al.
Veröffentlicht: (2025)

EnergyPatchTST: Multi-scale Time Series Transformers with Uncertainty Estimation for Energy Forecasting
von: Li, Wei, et al.
Veröffentlicht: (2025)

AME-TS: Anchored Mixture-of-Experts for Time Series Forecasting
von: Wang, Rui, et al.
Veröffentlicht: (2026)

Seg-MoE: Multi-Resolution Segment-wise Mixture-of-Experts for Time Series Forecasting Transformers
von: Ortigossa, Evandro S., et al.
Veröffentlicht: (2026)

DeepBooTS: Dual-Stream Residual Boosting for Drift-Resilient Time-Series Forecasting
von: Liang, Daojun, et al.
Veröffentlicht: (2025)

MoFE-Time: Mixture of Frequency Domain Experts for Time-Series Forecasting Models
von: Liu, Yiwen, et al.
Veröffentlicht: (2025)

SageFormer: Series-Aware Framework for Long-term Multivariate Time Series Forecasting
von: Zhang, Zhenwei, et al.
Veröffentlicht: (2023)

VARMA-Enhanced Transformer for Time Series Forecasting
von: Song, Jiajun, 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)

Dataset-Driven Channel Masks in Transformers for Multivariate Time Series
von: Lee, Seunghan, et al.
Veröffentlicht: (2024)

Wave-Mask/Mix: Exploring Wavelet-Based Augmentations for Time Series Forecasting
von: Arabi, Dona, et al.
Veröffentlicht: (2024)

Why Do Transformers Fail to Forecast Time Series In-Context?
von: Zhou, Yufa, et al.
Veröffentlicht: (2025)

TimeXer: Empowering Transformers for Time Series Forecasting with Exogenous Variables
von: Wang, Yuxuan, et al.
Veröffentlicht: (2024)

HTMformer: Hybrid Time and Multivariate Transformer for Time Series Forecasting
von: Wang, Tan, et al.
Veröffentlicht: (2025)

Dual Mixture-of-Experts Framework for Discrete-Time Survival Analysis
von: Lee, Hyeonjun, et al.
Veröffentlicht: (2025)

Dynamic TMoE: A Drift-Aware Dynamic Mixture of Experts Framework for Non-Stationary Time Series Forecasting
von: Zhu, Jiawen, et al.
Veröffentlicht: (2026)

CITRAS: Covariate-Informed Transformer for Time Series Forecasting
von: Yamaguchi, Yosuke, et al.
Veröffentlicht: (2025)

Fredformer: Frequency Debiased Transformer for Time Series Forecasting
von: Piao, Xihao, et al.
Veröffentlicht: (2024)

LATST: Are Transformers Necessarily Complex for Time-Series Forecasting
von: Liang, Dizhen
Veröffentlicht: (2024)

Unified Training of Universal Time Series Forecasting Transformers
von: Woo, Gerald, et al.
Veröffentlicht: (2024)

VCformer: Variable Correlation Transformer with Inherent Lagged Correlation for Multivariate Time Series Forecasting
von: Yang, Yingnan, et al.
Veröffentlicht: (2024)

MoHETS: Long-term Time Series Forecasting with Mixture-of-Heterogeneous-Experts
von: Ortigossa, Evandro S., et al.
Veröffentlicht: (2026)