Buchumschlag

TUBO: A Tailored ML Framework for Reliable Network Traffic Forecasting

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yuan, Zhihang, Xue, Leyang, Ahsan, Waleed, Marina, Mahesh K.
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

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

HybridServe: Efficient Serving of Large AI Models with Confidence-Based Cascade Routing
von: Xue, Leyang, et al.
Veröffentlicht: (2025)

Towards Decentralized and Sustainable Foundation Model Training with the Edge
von: Xue, Leyang, et al.
Veröffentlicht: (2025)

MoE-Infinity: Efficient MoE Inference on Personal Machines with Sparsity-Aware Expert Cache
von: Xue, Leyang, et al.
Veröffentlicht: (2024)

On Harnessing Idle Compute at the Edge for Foundation Model Training
von: Xue, Leyang, et al.
Veröffentlicht: (2025)

Learning High-Frequency Functions Made Easy with Sinusoidal Positional Encoding
von: Sun, Chuanhao, et al.
Veröffentlicht: (2024)

SSMT: Few-Shot Traffic Forecasting with Single Source Meta-Transfer
von: Bhaumik, Kishor Kumar, et al.
Veröffentlicht: (2024)

Graph Convolutional Network With Pattern-Spatial Interactive and Regional Awareness for Traffic Forecasting
von: Ji, Xinyu, et al.
Veröffentlicht: (2025)

Linear Independence of Generalized Neurons and Related Functions
von: Zhang, Leyang
Veröffentlicht: (2024)

STMGF: An Effective Spatial-Temporal Multi-Granularity Framework for Traffic Forecasting
von: Zhao, Zhengyang, et al.
Veröffentlicht: (2024)

Travel Time and Weather-Aware Traffic Forecasting in a Conformal Graph Neural Network Framework
von: Patil, Mayur, et al.
Veröffentlicht: (2025)

TSNN: A Non-parametric and Interpretable Framework for Traffic Time Series Forecasting
von: Liu, Bowen, et al.
Veröffentlicht: (2026)

Temporal Graph Learning Recurrent Neural Network for Traffic Forecasting
von: Lee, Sanghyun, et al.
Veröffentlicht: (2024)

Uncovering Critical Sets of Deep Neural Networks via Sample-Independent Critical Lifting
von: Zhang, Leyang, et al.
Veröffentlicht: (2025)

TEAM: Topological Evolution-aware Framework for Traffic Forecasting--Extended Version
von: Kieu, Duc, et al.
Veröffentlicht: (2024)

Urban Traffic Forecasting with Integrated Travel Time and Data Availability in a Conformal Graph Neural Network Framework
von: Patil, Mayur, et al.
Veröffentlicht: (2024)

Wavelet-Inspired Multiscale Graph Convolutional Recurrent Network for Traffic Forecasting
von: Qian, Qipeng, et al.
Veröffentlicht: (2024)

Weaver: Kronecker Product Approximations of Spatiotemporal Attention for Traffic Network Forecasting
von: Cheong, Christopher, et al.
Veröffentlicht: (2025)

Variational Mode-Driven Graph Convolutional Network for Spatiotemporal Traffic Forecasting
von: Ahmad, Osama, et al.
Veröffentlicht: (2024)

PGCN: Progressive Graph Convolutional Networks for Spatial-Temporal Traffic Forecasting
von: Shin, Yuyol, et al.
Veröffentlicht: (2022)

Real-Time Network Traffic Forecasting with Missing Data: A Generative Model Approach
von: Deng, Lei, et al.
Veröffentlicht: (2025)

SpecSTG: A Fast Spectral Diffusion Framework for Probabilistic Spatio-Temporal Traffic Forecasting
von: Lin, Lequan, et al.
Veröffentlicht: (2024)

The ATLAS of Traffic Lights: A Reliable Perception Framework for Autonomous Driving
von: Polley, Rupert, et al.
Veröffentlicht: (2025)

Local Linear Recovery Guarantee of Deep Neural Networks at Overparameterization
von: Zhang, Yaoyu, et al.
Veröffentlicht: (2024)

Vision-LLMs for Spatiotemporal Traffic Forecasting
von: Yang, Ning, et al.
Veröffentlicht: (2025)

Probabilistic Traffic Forecasting with Dynamic Regression
von: Zheng, Vincent Zhihao, et al.
Veröffentlicht: (2023)

Geometry and Local Recovery of Global Minima of Two-layer Neural Networks at Overparameterization
von: Zhang, Leyang, et al.
Veröffentlicht: (2023)

Geometry of Critical Sets and Existence of Saddle Branches for Two-layer Neural Networks
von: Zhang, Leyang, et al.
Veröffentlicht: (2024)

T-Graphormer: Using Transformers for Spatiotemporal Forecasting
von: Bai, Hao Yuan, et al.
Veröffentlicht: (2025)

UniST-Pred: A Robust Unified Framework for Spatio-Temporal Traffic Forecasting in Transportation Networks Under Disruptions
von: Wang, Yue, et al.
Veröffentlicht: (2026)

Causally-Aware Spatio-Temporal Multi-Graph Convolution Network for Accurate and Reliable Traffic Prediction
von: Dong, Pingping, et al.
Veröffentlicht: (2024)

Generalising Traffic Forecasting to Regions without Traffic Observations
von: Su, Xinyu, et al.
Veröffentlicht: (2025)

Federated Learning in Mobile Networks: A Comprehensive Case Study on Traffic Forecasting
von: Pavlidis, Nikolaos, et al.
Veröffentlicht: (2024)

Revisiting Network Traffic Analysis: Compatible network flows for ML models
von: Vitorino, João, et al.
Veröffentlicht: (2025)

LISA: Learning-Integrated Space Partitioning Framework for Traffic Accident Forecasting on Heterogeneous Spatiotemporal Data
von: An, Bang, et al.
Veröffentlicht: (2024)

Fusion Matrix Prompt Enhanced Self-Attention Spatial-Temporal Interactive Traffic Forecasting Framework
von: Liu, Mu, et al.
Veröffentlicht: (2024)

Continual Traffic Forecasting via Mixture of Experts
von: Lee, Sanghyun, et al.
Veröffentlicht: (2024)

VocabTailor: Dynamic Vocabulary Selection for Downstream Tasks in Small Language Models
von: Zhang, Hanling, et al.
Veröffentlicht: (2025)

Graph-Conditioned Mixture of Graph Neural Network Experts for Traffic Forecasting
von: Ghaffari, Amirhossein, et al.
Veröffentlicht: (2026)

Spatial-Temporal Interactive Dynamic Graph Convolution Network for Traffic Forecasting
von: Liu, Aoyu, et al.
Veröffentlicht: (2022)