Buchumschlag

One-for-All: A Lightweight Stabilized and Parameter-Efficient Pre-trained LLM for Time Series Forecasting

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Dey, Prasanjit, Dev, Soumyabrata, Schoen-Phelan, Bianca
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

Meteorology-Driven GPT4AP: A Multi-Task Forecasting LLM for Atmospheric Air Pollution in Data-Scarce Settings
von: Dey, Prasanjit, et al.
Veröffentlicht: (2026)

NeuroDDAF: Neural Dynamic Diffusion-Advection Fields with Evidential Fusion for Air Quality Forecasting
von: Dey, Prasanjit, et al.
Veröffentlicht: (2026)

TinyNina: A Resource-Efficient Edge-AI Framework for Sustainable Air Quality Monitoring via Intra-Image Satellite Super-Resolution
von: Dey, Prasanjit, et al.
Veröffentlicht: (2026)

PollutionNet: A Vision Transformer Framework for Climatological Assessment of NO$_2$ and SO$_2$ Using Satellite-Ground Data Fusion
von: Dey, Prasanjit, et al.
Veröffentlicht: (2026)

Pre-training Epidemic Time Series Forecasters with Compartmental Prototypes
von: Liu, Zewen, et al.
Veröffentlicht: (2025)

Using Pre-trained LLMs for Multivariate Time Series Forecasting
von: Wolff, Malcolm L., et al.
Veröffentlicht: (2025)

QKCV Attention: Enhancing Time Series Forecasting with Static Categorical Embeddings for Both Lightweight and Pre-trained Foundation Models
von: Wang, Hao, et al.
Veröffentlicht: (2025)

One-Embedding-Fits-All: Efficient Zero-Shot Time Series Forecasting by a Model Zoo
von: Shi, Hao-Nan, et al.
Veröffentlicht: (2025)

LLM4TS: Aligning Pre-Trained LLMs as Data-Efficient Time-Series Forecasters
von: Chang, Ching, et al.
Veröffentlicht: (2023)

TEMPO: Prompt-based Generative Pre-trained Transformer for Time Series Forecasting
von: Cao, Defu, et al.
Veröffentlicht: (2023)

Position: The Inevitable End of One-Architecture-Fits-All-Domains in Time Series Forecasting
von: Ma, Qinwei, et al.
Veröffentlicht: (2026)

SEMPO: Lightweight Foundation Models for Time Series Forecasting
von: He, Hui, et al.
Veröffentlicht: (2025)

A Lightweight Sparse Interaction Network for Time Series Forecasting
von: Zhang, Xu, et al.
Veröffentlicht: (2026)

Accurate Parameter-Efficient Test-Time Adaptation for Time Series Forecasting
von: Medeiros, Heitor R., et al.
Veröffentlicht: (2025)

Pre-trained Forecasting Models: Strong Zero-Shot Feature Extractors for Time Series Classification
von: Auer, Andreas, et al.
Veröffentlicht: (2025)

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

TimePre: Bridging Accuracy, Efficiency, and Stability in Probabilistic Time-Series Forecasting
von: Jiang, Lingyu, et al.
Veröffentlicht: (2025)

LightGTS: A Lightweight General Time Series Forecasting Model
von: Wang, Yihang, et al.
Veröffentlicht: (2025)

Lightweight Online Adaption for Time Series Foundation Model Forecasts
von: Lee, Thomas L., et al.
Veröffentlicht: (2025)

A Deep Learning Approach for Spatio-Temporal Forecasting of InSAR Ground Deformation in Eastern Ireland
von: Yao, Wendong, et al.
Veröffentlicht: (2025)

Frozen in Time: Parameter-Efficient Time Series Transformers via Reservoir-Induced Feature Expansion and Fixed Random Dynamics
von: Singh, Pradeep, et al.
Veröffentlicht: (2025)

TempoPFN: Synthetic Pre-training of Linear RNNs for Zero-shot Time Series Forecasting
von: Moroshan, Vladyslav, et al.
Veröffentlicht: (2025)

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

Disentangled Parameter-Efficient Linear Model for Long-Term Time Series Forecasting
von: Zhao, Yuang, et al.
Veröffentlicht: (2024)

Measuring Time Series Forecast Stability for Demand Planning
von: Klee, Steven, et al.
Veröffentlicht: (2025)

Super-Linear: A Lightweight Pretrained Mixture of Linear Experts for Time Series Forecasting
von: Nochumsohn, Liran, et al.
Veröffentlicht: (2025)

Empirical Comparison of Lightweight Forecasting Models for Seasonal and Non-Seasonal Time Series
von: Nguyen, Thanh Son, et al.
Veröffentlicht: (2025)

ReCast: Reliability-aware Codebook Assisted Lightweight Time Series Forecasting
von: Ma, Xiang, et al.
Veröffentlicht: (2025)

TARFVAE: Efficient One-Step Generative Time Series Forecasting via TARFLOW based VAE
von: Wei, Jiawen, et al.
Veröffentlicht: (2025)

TimeEmb: A Lightweight Static-Dynamic Disentanglement Framework for Time Series Forecasting
von: Xia, Mingyuan, et al.
Veröffentlicht: (2025)

Timer: Generative Pre-trained Transformers Are Large Time Series Models
von: Liu, Yong, et al.
Veröffentlicht: (2024)

Tiny Time Mixers (TTMs): Fast Pre-trained Models for Enhanced Zero/Few-Shot Forecasting of Multivariate Time Series
von: Ekambaram, Vijay, et al.
Veröffentlicht: (2024)

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

Interpreting a Semantic Segmentation Model for Coastline Detection
von: O'Sullivan, Conor, et al.
Veröffentlicht: (2024)

A multimodal Transformer for InSAR-based ground deformation forecasting with cross-site generalization across Europe
von: Yao, Wendong, et al.
Veröffentlicht: (2025)

Communication Efficient LLM Pre-training with SparseLoCo
von: Sarfi, Amir, et al.
Veröffentlicht: (2025)

Heterogeneity-Informed Meta-Parameter Learning for Spatiotemporal Time Series Forecasting
von: Dong, Zheng, et al.
Veröffentlicht: (2024)

HADL Framework for Noise Resilient Long-Term Time Series Forecasting
von: Dey, Aditya, et al.
Veröffentlicht: (2025)

LightSAE: Parameter-Efficient and Heterogeneity-Aware Embedding for IoT Multivariate Time Series Forecasting
von: Ren, Yi, et al.
Veröffentlicht: (2025)

SOFTS: Efficient Multivariate Time Series Forecasting with Series-Core Fusion
von: Han, Lu, et al.
Veröffentlicht: (2024)