Buchumschlag

CAPS: Unifying Attention, Recurrence, and Alignment in Transformer-based Time Series Forecasting

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Pati, Viresh, Kim, Yubin, Pham, Vinh, Twitty, Jevon, Yang, Shihao, Lu, Jiecheng
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

StretchTime: Adaptive Time Series Forecasting via Symplectic Attention
von: Kim, Yubin, et al.
Veröffentlicht: (2026)

Beyond Similarity: Temporal Operator Attention for Time Series Analysis
von: Twitty, Jevon, et al.
Veröffentlicht: (2026)

ZeroS: Zero-Sum Linear Attention for Efficient Transformers
von: Lu, Jiecheng, et al.
Veröffentlicht: (2026)

Linear Transformers as VAR Models: Aligning Autoregressive Attention Mechanisms with Autoregressive Forecasting
von: Lu, Jiecheng, et al.
Veröffentlicht: (2025)

CATS: Enhancing Multivariate Time Series Forecasting by Constructing Auxiliary Time Series as Exogenous Variables
von: Lu, Jiecheng, et al.
Veröffentlicht: (2024)

WAVE: Weighted Autoregressive Varying Gate for Time Series Forecasting
von: Lu, Jiecheng, et al.
Veröffentlicht: (2024)

In-context Time Series Predictor
von: Lu, Jiecheng, et al.
Veröffentlicht: (2024)

HyperMLP: An Integrated Perspective for Sequence Modeling
von: Lu, Jiecheng, et al.
Veröffentlicht: (2026)

Free Energy Mixer
von: Lu, Jiecheng, et al.
Veröffentlicht: (2026)

Are Self-Attentions Effective for Time Series Forecasting?
von: Kim, Dongbin, et al.
Veröffentlicht: (2024)

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

PSformer: Parameter-efficient Transformer with Segment Attention for Time Series Forecasting
von: Wang, Yanlong, et al.
Veröffentlicht: (2024)

BRATI: Bidirectional Recurrent Attention for Time-Series Imputation
von: Collado-Villaverde, Armando, et al.
Veröffentlicht: (2025)

Time-o1: Time-Series Forecasting Needs Transformed Label Alignment
von: Wang, Hao, et al.
Veröffentlicht: (2025)

Attention as Robust Representation for Time Series Forecasting
von: Niu, PeiSong, et al.
Veröffentlicht: (2024)

Revisiting Attention for Multivariate Time Series Forecasting
von: Wu, Haixiang
Veröffentlicht: (2024)

A Unified Hyperparameter Optimization Pipeline for Transformer-Based Time Series Forecasting Models
von: Xu, Jingjing, et al.
Veröffentlicht: (2025)

Patch-Level Tokenization with CNN Encoders and Attention for Improved Transformer Time-Series Forecasting
von: Nagrath, Saurish, et al.
Veröffentlicht: (2026)

Introducing Spectral Attention for Long-Range Dependency in Time Series Forecasting
von: Kang, Bong Gyun, et al.
Veröffentlicht: (2024)

EffiCANet: Efficient Time Series Forecasting with Convolutional Attention
von: Zhou, Xinxing, et al.
Veröffentlicht: (2024)

Curse of Attention: A Kernel-Based Perspective for Why Transformers Fail to Generalize on Time Series Forecasting and Beyond
von: Ke, Yekun, et al.
Veröffentlicht: (2024)

Bridging Past and Future: Distribution-Aware Alignment for Time Series Forecasting
von: Hu, Yifan, et al.
Veröffentlicht: (2025)

PENGUIN: Enhancing Transformer with Periodic-Nested Group Attention for Long-term Time Series Forecasting
von: Sun, Tian, et al.
Veröffentlicht: (2025)

VARMA-Enhanced Transformer for Time Series Forecasting
von: Song, Jiajun, et al.
Veröffentlicht: (2025)

DistDF: Time-Series Forecasting Needs Joint-Distribution Wasserstein Alignment
von: Wang, Hao, et al.
Veröffentlicht: (2025)

Ister: Linear Transformer for Efficient Multivariate Time Series Forecasting
von: Cao, Fanpu, et al.
Veröffentlicht: (2024)

DDTime: Dataset Distillation with Spectral Alignment and Information Bottleneck for Time-Series Forecasting
von: Li, Yuqi, et al.
Veröffentlicht: (2025)

FISformer: Replacing Self-Attention with a Fuzzy Inference System in Transformer Models for Time Series Forecasting
von: Haznedar, Bulent, et al.
Veröffentlicht: (2026)

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

A Comparative Study of Pruning Methods in Transformer-based Time Series Forecasting
von: Kiefer, Nicholas, et al.
Veröffentlicht: (2024)

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

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)

TiVaT: A Transformer with a Single Unified Mechanism for Capturing Asynchronous Dependencies in Multivariate Time Series Forecasting
von: Ha, Junwoo, et al.
Veröffentlicht: (2024)

TimelyGPT: Extrapolatable Transformer Pre-training for Long-term Time-Series Forecasting in Healthcare
von: Song, Ziyang, et al.
Veröffentlicht: (2023)

XicorAttention: Time Series Transformer Using Attention with Nonlinear Correlation
von: Kimura, Daichi, et al.
Veröffentlicht: (2025)

KAIROS: Unified Training for Universal Non-Autoregressive Time Series Forecasting
von: Ding, Kuiye, et al.
Veröffentlicht: (2025)

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

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