Buchumschlag

Local Truncation Error-Guided Neural ODEs for Large Scale Traffic Forecasting

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Xiao, Li, Yafei, Wang, Ruixiang, Wei, Wei, He, Shuo, Xu, Mingliang
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

Embracing Large Language Models in Traffic Flow Forecasting
von: Zhao, Yusheng, et al.
Veröffentlicht: (2024)

Incident-Guided Spatiotemporal Traffic Forecasting
von: Fan, Lixiang, et al.
Veröffentlicht: (2026)

Temporally Detailed Hypergraph Neural ODEs for Disease Progression Modeling
von: Xiao, Tingsong, et al.
Veröffentlicht: (2025)

Efficient Large-Scale Traffic Forecasting with Transformers: A Spatial Data Management Perspective
von: Fang, Yuchen, et al.
Veröffentlicht: (2024)

Efficient Traffic Forecasting on Large-Scale Road Network by Regularized Adaptive Graph Convolution
von: Wu, Kaiqi, et al.
Veröffentlicht: (2025)

Error Adjustment Based on Spatiotemporal Correlation Fusion for Traffic Forecasting
von: Liu, Fuqiang, et al.
Veröffentlicht: (2025)

AdaNODEs: Test Time Adaptation for Time Series Forecasting Using Neural ODEs
von: Dang, Ting, et al.
Veröffentlicht: (2026)

FAF: A Feature-Adaptive Framework for Few-Shot Time Series Forecasting
von: Ouyang, Pengpeng, et al.
Veröffentlicht: (2025)

Revealing the Power of Masked Autoencoders in Traffic Forecasting
von: Sun, Jiarui, et al.
Veröffentlicht: (2023)

Progressive Supervision via Label Decomposition: An Long-Term and Large-Scale Wireless Traffic Forecasting Method
von: Liang, Daojun, et al.
Veröffentlicht: (2025)

Spatio-Temporal Partial Sensing Forecast for Long-term Traffic
von: Liu, Zibo, et al.
Veröffentlicht: (2024)

Crime Forecasting: A Spatio-temporal Analysis with Deep Learning Models
von: Mao, Li, et al.
Veröffentlicht: (2025)

SSTODE: Ocean-Atmosphere Physics-Informed Neural ODEs for Sea Surface Temperature Prediction
von: Jiang, Zheng, et al.
Veröffentlicht: (2025)

Physics-Informed Neural ODEs with Scale-Aware Residuals for Learning Stiff Biophysical Dynamics
von: Kainth, Kamalpreet Singh, et al.
Veröffentlicht: (2025)

Rethinking Traffic Flow Forecasting: From Transition to Generatation
von: Shijiao, Li, et al.
Veröffentlicht: (2025)

A Knowledge-Guided Cross-Modal Feature Fusion Model for Local Traffic Demand Prediction
von: Zhang, Lingyu, et al.
Veröffentlicht: (2025)

Beyond Predictions in Neural ODEs: Identification and Interventions
von: Aliee, Hananeh, et al.
Veröffentlicht: (2021)

EntroLnn: Entropy-Guided Liquid Neural Networks for Operando Refinement of Battery Capacity Fade Trajectories
von: Li, Wei, et al.
Veröffentlicht: (2026)

MODE: Efficient Time Series Prediction with Mamba Enhanced by Low-Rank Neural ODEs
von: Chen, Xingsheng, et al.
Veröffentlicht: (2026)

Unveiling the Inflexibility of Adaptive Embedding in Traffic Forecasting
von: Wang, Hongjun, et al.
Veröffentlicht: (2024)

Scale-Translation Equivariant Network for Oceanic Internal Solitary Wave Localization
von: Wan, Zhang, et al.
Veröffentlicht: (2024)

COOL: A Conjoint Perspective on Spatio-Temporal Graph Neural Network for Traffic Forecasting
von: Ju, Wei, et al.
Veröffentlicht: (2024)

Learning Physics Informed Neural ODEs With Partial Measurements
von: Ghanem, Paul, et al.
Veröffentlicht: (2024)

Global Convergence in Neural ODEs: Impact of Activation Functions
von: Gao, Tianxiang, et al.
Veröffentlicht: (2025)

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

Harnessing Scale and Physics: A Multi-Graph Neural Operator Framework for PDEs on Arbitrary Geometries
von: Li, Zhihao, et al.
Veröffentlicht: (2024)

STELLA: Guiding Large Language Models for Time Series Forecasting with Semantic Abstractions
von: Fan, Junjie, et al.
Veröffentlicht: (2025)

Efficient Prompt Learning for Traffic Forecasting
von: Zhang, Qianru, et al.
Veröffentlicht: (2026)

Counterfactual Explanations for Deep Learning-Based Traffic Forecasting
von: Wang, Rushan, et al.
Veröffentlicht: (2024)

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

FiCoTS: Fine-to-Coarse LLM-Enhanced Hierarchical Cross-Modality Interaction for Time Series Forecasting
von: Lyu, Yafei, et al.
Veröffentlicht: (2025)

DeNOTS: Stable Deep Neural ODEs for Time Series
von: Kuleshov, Ilya, et al.
Veröffentlicht: (2024)

PolyNODE: Variable-dimension Neural ODEs on M-polyfolds
von: Åhag, Per, et al.
Veröffentlicht: (2026)

When Smaller Wins: Dual-Stage Distillation and Pareto-Guided Compression of Liquid Neural Networks for Edge Battery Prognostics
von: Kannan, Dhivya Dharshini, et al.
Veröffentlicht: (2026)

A Novel Deep Neural Network Architecture for Real-Time Water Demand Forecasting
von: Salloom, Tony, et al.
Veröffentlicht: (2025)

Improving Large Models with Small models: Lower Costs and Better Performance
von: Chen, Dong, et al.
Veröffentlicht: (2024)

Feedback Favors the Generalization of Neural ODEs
von: Jia, Jindou, et al.
Veröffentlicht: (2024)

DeepBooTS: Dual-Stream Residual Boosting for Drift-Resilient Time-Series Forecasting
von: Liang, Daojun, et al.
Veröffentlicht: (2025)

ClimODE: Climate and Weather Forecasting with Physics-informed Neural ODEs
von: Verma, Yogesh, et al.
Veröffentlicht: (2024)

ClimateLLM: Efficient Weather Forecasting via Frequency-Aware Large Language Models
von: Li, Shixuan, et al.
Veröffentlicht: (2025)