Buchumschlag

PHAT: Modeling Period Heterogeneity for Multivariate Time Series Forecasting

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ma, Jiaming, Huang, Qihe, Ma, Haofeng, Wang, Guanjun, Huang, Sheng, Zhou, Zhengyang, Wang, Pengkun, Wang, Binwu, Wang, Yang
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

To See Far, Look Close: Evolutionary Forecasting for Long-term Time Series
von: Ma, Jiaming, et al.
Veröffentlicht: (2026)

QuiZSF: A Retrieval-Augmented Framework for Zero-Shot Time Series Forecasting
von: Ma, Shichao, et al.
Veröffentlicht: (2025)

A General ReLearner: Empowering Spatiotemporal Prediction by Re-learning Input-label Residual
von: Ma, Jiaming, et al.
Veröffentlicht: (2026)

Spatiotemporal Causal Decoupling Model for Air Quality Forecasting
von: Ma, Jiaming, et al.
Veröffentlicht: (2025)

ComS2T: A complementary spatiotemporal learning system for data-adaptive model evolution
von: Zhou, Zhengyang, et al.
Veröffentlicht: (2024)

Augur: Modeling Covariate Causal Associations in Time Series via Large Language Models
von: Cui, Zhiqing, et al.
Veröffentlicht: (2025)

Revitalizing Canonical Pre-Alignment for Irregular Multivariate Time Series Forecasting
von: Zhou, Ziyu, et al.
Veröffentlicht: (2025)

Stationarity Exploration for Multivariate Time Series Forecasting
von: Liu, Hao, et al.
Veröffentlicht: (2025)

Pyramidal Hidden Markov Model For Multivariate Time Series Forecasting
von: Huang, YeXin
Veröffentlicht: (2023)

FairSTG: Countering performance heterogeneity via collaborative sample-level optimization
von: Lin, Gengyu, et al.
Veröffentlicht: (2024)

MTS-UNMixers: Multivariate Time Series Forecasting via Channel-Time Dual Unmixing
von: Zhu, Xuanbing, et al.
Veröffentlicht: (2024)

TSGym: Design Choices for Deep Multivariate Time-Series Forecasting
von: Liang, Shuang, et al.
Veröffentlicht: (2025)

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

TimeFormer: Transformer with Attention Modulation Empowered by Temporal Characteristics for Time Series Forecasting
von: Liu, Zhipeng, et al.
Veröffentlicht: (2025)

Probabilistic Multivariate Time Series Forecasting with Diffusion Copulas
von: Huk, David, et al.
Veröffentlicht: (2026)

Get Rid of Isolation: A Continuous Multi-task Spatio-Temporal Learning Framework
von: Yi, Zhongchao, et al.
Veröffentlicht: (2024)

FusionTransNet for Smart Urban Mobility: Spatiotemporal Traffic Forecasting Through Multimodal Network Integration
von: Wang, Binwu, et al.
Veröffentlicht: (2024)

FilterTS: Comprehensive Frequency Filtering for Multivariate Time Series Forecasting
von: Wang, Yulong, et al.
Veröffentlicht: (2025)

Forecasting Multivariate Time Series under Predictive Heterogeneity: A Validation-Driven Clustering Framework
von: Ma, Ziling, et al.
Veröffentlicht: (2026)

InvDec: Inverted Decoder for Multivariate Time Series Forecasting with Separated Temporal and Variate Modeling
von: Wang, Yuhang
Veröffentlicht: (2025)

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

Unlocking the Potential of Linear Networks for Irregular Multivariate Time Series Forecasting
von: Wang, Chengsen, et al.
Veröffentlicht: (2025)

FaLW: A Forgetting-aware Loss Reweighting for Long-tailed Unlearning
von: Yu, Liheng, et al.
Veröffentlicht: (2026)

SCFormer: Structured Channel-wise Transformer with Cumulative Historical State for Multivariate Time Series Forecasting
von: Guo, Shiwei, et al.
Veröffentlicht: (2025)

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

PLanTS: Periodicity-aware Latent-state Representation Learning for Multivariate Time Series
von: Wang, Jia, et al.
Veröffentlicht: (2025)

ForecastGrapher: Redefining Multivariate Time Series Forecasting with Graph Neural Networks
von: Cai, Wanlin, et al.
Veröffentlicht: (2024)

STRGCN: Capturing Asynchronous Spatio-Temporal Dependencies for Irregular Multivariate Time Series Forecasting
von: Wang, Yulong, et al.
Veröffentlicht: (2025)

Treating Brain-inspired Memories as Priors for Diffusion Model to Forecast Multivariate Time Series
von: Wang, Muyao, et al.
Veröffentlicht: (2024)

IBN: An Interpretable Bidirectional-Modeling Network for Multivariate Time Series Forecasting with Variable Missing
von: Ma, Shusen, et al.
Veröffentlicht: (2025)

AverageTime: Enhance Long-Term Time Series Forecasting with Simple Averaging
von: Zhao, Gaoxiang, et al.
Veröffentlicht: (2024)

ReFocus: Reinforcing Mid-Frequency and Key-Frequency Modeling for Multivariate Time Series Forecasting
von: Yu, Guoqi, et al.
Veröffentlicht: (2025)

Revitalizing Multivariate Time Series Forecasting: Learnable Decomposition with Inter-Series Dependencies and Intra-Series Variations Modeling
von: Yu, Guoqi, et al.
Veröffentlicht: (2024)

PiXTime: A Model for Federated Time Series Forecasting with Heterogeneous Data across Nodes
von: Zhou, Yiming, et al.
Veröffentlicht: (2026)

Learning Recursive Multi-Scale Representations for Irregular Multivariate Time Series Forecasting
von: Li, Boyuan, et al.
Veröffentlicht: (2026)

MMFNet: Multi-Scale Frequency Masking Neural Network for Multivariate Time Series Forecasting
von: Ma, Aitian, et al.
Veröffentlicht: (2024)

UniTST: Effectively Modeling Inter-Series and Intra-Series Dependencies for Multivariate Time Series Forecasting
von: Liu, Juncheng, et al.
Veröffentlicht: (2024)

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

Exploring Accuracy Law for Deep Time Series Forecasters: An Empirical Study
von: Wang, Yuxuan, 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)