Buchumschlag

Non-Stationarity in the Embedding Space of Time Series Foundation Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Choi, Jinmyeong, Shook, Brad, Dubrawski, Artur
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

STAMP: Spatial-Temporal Adapter with Multi-Head Pooling
von: Shook, Brad, et al.
Veröffentlicht: (2025)

Towards Robust Real-World Multivariate Time Series Forecasting: A Unified Framework for Dependency, Asynchrony, and Missingness
von: Jang, Jinkwan, et al.
Veröffentlicht: (2025)

MOMENT: A Family of Open Time-series Foundation Models
von: Goswami, Mononito, et al.
Veröffentlicht: (2024)

TimeSeriesGym: A Scalable Benchmark for (Time Series) Machine Learning Engineering Agents
von: Cai, Yifu, et al.
Veröffentlicht: (2025)

TwinS: Revisiting Non-Stationarity in Multivariate Time Series Forecasting
von: Hu, Jiaxi, et al.
Veröffentlicht: (2024)

TimeAPN: Adaptive Amplitude-Phase Non-Stationarity Normalization for Time Series Forecasting
von: Hu, Yue, et al.
Veröffentlicht: (2026)

Exploring Loss Design Techniques For Decision Tree Robustness To Label Noise
von: Sztukiewicz, Lukasz, et al.
Veröffentlicht: (2024)

A Time-Series Foundation Model by Universal Delay Embedding
von: Wang, Zijian, et al.
Veröffentlicht: (2025)

TIFO: Time-Invariant Frequency Operator for Stationarity-Aware Representation Learning in Time Series
von: Piao, Xihao, et al.
Veröffentlicht: (2026)

A Rate-Distortion View of Uncertainty Quantification
von: Apostolopoulou, Ifigeneia, et al.
Veröffentlicht: (2024)

EIDOS: Latent-Space Predictive Learning for Time Series Foundation Models
von: Zhou, Xinxing, et al.
Veröffentlicht: (2026)

Exploring Representations and Interventions in Time Series Foundation Models
von: Wiliński, Michał, et al.
Veröffentlicht: (2024)

Towards Long-Context Time Series Foundation Models
von: Żukowska, Nina, et al.
Veröffentlicht: (2024)

Adaptive World Models: Learning Behaviors by Latent Imagination Under Non-Stationarity
von: Gospodinov, Emiliyan, et al.
Veröffentlicht: (2024)

Decoding Latent Spaces: Assessing the Interpretability of Time Series Foundation Models for Visual Analytics
von: Santamaria-Valenzuela, Inmaculada, et al.
Veröffentlicht: (2025)

Offline Reinforcement Learning from Datasets with Structured Non-Stationarity
von: Ackermann, Johannes, et al.
Veröffentlicht: (2024)

Off-Policy Evaluation and Learning for the Future under Non-Stationarity
von: Shimizu, Tatsuhiro, et al.
Veröffentlicht: (2025)

Foundation Models for Time Series: A Survey
von: Kottapalli, Siva Rama Krishna, et al.
Veröffentlicht: (2025)

Transformers and Their Roles as Time Series Foundation Models
von: Wu, Dennis, et al.
Veröffentlicht: (2025)

Enhanced Uncertainty Estimation in Ultrasound Image Segmentation with MSU-Net
von: Banerjee, Rohini, et al.
Veröffentlicht: (2024)

Time Series Foundation Models for Process Model Forecasting
von: Yu, Yongbo, et al.
Veröffentlicht: (2025)

This Time is Different: An Observability Perspective on Time Series Foundation Models
von: Cohen, Ben, et al.
Veröffentlicht: (2025)

Synthetic Series-Symbol Data Generation for Time Series Foundation Models
von: Wang, Wenxuan, 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)

Distilling Time Series Foundation Models for Efficient Forecasting
von: Li, Yuqi, et al.
Veröffentlicht: (2026)

Diversified Scaling Inference in Time Series Foundation Models
von: Hua, Ruijin, et al.
Veröffentlicht: (2026)

A Mamba Foundation Model for Time Series Forecasting
von: Ma, Haoyu, et al.
Veröffentlicht: (2024)

Lightweight Time Series Data Valuation on Time Series Foundation Models via In-Context Finetuning
von: Wu, Shunyu, et al.
Veröffentlicht: (2025)

Mitigating Persistent Client Dropout in Asynchronous Decentralized Federated Learning
von: Stępka, Ignacy, et al.
Veröffentlicht: (2025)

Discrete Prototypical Memories for Federated Time Series Foundation Models
von: Deng, Liwei, et al.
Veröffentlicht: (2026)

Time Series Foundational Models: Their Role in Anomaly Detection and Prediction
von: Shyalika, Chathurangi, et al.
Veröffentlicht: (2024)

Leveraging Generic Time Series Foundation Models for EEG Classification
von: Gnassounou, Théo, et al.
Veröffentlicht: (2025)

Towards Neural Scaling Laws for Time Series Foundation Models
von: Yao, Qingren, et al.
Veröffentlicht: (2024)

TimeDiT: General-purpose Diffusion Transformers for Time Series Foundation Model
von: Cao, Defu, et al.
Veröffentlicht: (2024)

Frequency-Masked Embedding Inference: A Non-Contrastive Approach for Time Series Representation Learning
von: Fu, En, et al.
Veröffentlicht: (2024)

Cross-device Zero-shot Label Transfer via Alignment of Time Series Foundation Model Embeddings
von: Ravindra, Neal G., et al.
Veröffentlicht: (2025)

Higher-order Cross-structural Embedding Model for Time Series Analysis
von: Lin, Guancen, et al.
Veröffentlicht: (2024)

Falcon-X: A Time Series Foundation Model for Heterogeneous Multivariate Modeling
von: Liu, Yiding, et al.
Veröffentlicht: (2026)

Generating Multi-Table Time Series EHR from Latent Space with Minimal Preprocessing
von: Cho, Eunbyeol, et al.
Veröffentlicht: (2025)

On the Regularization of Learnable Embeddings for Time Series Forecasting
von: Butera, Luca, et al.
Veröffentlicht: (2024)