Buchumschlag

Don't Learn the Shape: Forecasting Periodic Time Series by Rank-1 Decomposition

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Honda, Takato
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

Experts Don't Cheat: Learning What You Don't Know By Predicting Pairs
von: Johnson, Daniel D., et al.
Veröffentlicht: (2024)

Times2D: Multi-Period Decomposition and Derivative Mapping for General Time Series Forecasting
von: Nematirad, Reza, et al.
Veröffentlicht: (2025)

ReducedLUT: Table Decomposition with "Don't Care" Conditions
von: Cassidy, Oliver, et al.
Veröffentlicht: (2024)

Don't Pay Attention, PLANT It: Pretraining Attention via Learning-to-Rank
von: Roy, Debjyoti Saha, et al.
Veröffentlicht: (2024)

MLOW: Interpretable Low-Rank Frequency Magnitude Decomposition of Multiple Effects for Time Series Forecasting
von: Yang, Runze, et al.
Veröffentlicht: (2026)

PHAT: Modeling Period Heterogeneity for Multivariate Time Series Forecasting
von: Ma, Jiaming, et al.
Veröffentlicht: (2026)

Revisiting the Seasonal Trend Decomposition for Enhanced Time Series Forecasting
von: Panta, Sanjeev, et al.
Veröffentlicht: (2026)

Adaptive Multi-Scale Decomposition Framework for Time Series Forecasting
von: Hu, Yifan, et al.
Veröffentlicht: (2024)

DBLoss: Decomposition-based Loss Function for Time Series Forecasting
von: Qiu, Xiangfei, et al.
Veröffentlicht: (2025)

PESD-TSF: A Period-Aware and Explicit Structured Decomposition Framework for Long-Term Time Series Forecasting
von: Wang, Hua, et al.
Veröffentlicht: (2026)

Predict, Don't React: Value-Based Safety Forecasting for LLM Streaming
von: Kavumba, Pride, et al.
Veröffentlicht: (2026)

Channel-Aware Low-Rank Adaptation in Time Series Forecasting
von: Nie, Tong, et al.
Veröffentlicht: (2024)

DMamba: Decomposition-enhanced Mamba for Time Series Forecasting
von: Chen, Ruxuan, et al.
Veröffentlicht: (2026)

Subgoal-based Reward Shaping to Improve Efficiency in Reinforcement Learning
von: Okudo, Takato, et al.
Veröffentlicht: (2021)

Transfer Learning with Foundational Models for Time Series Forecasting using Low-Rank Adaptations
von: Germán-Morales, M., et al.
Veröffentlicht: (2024)

Don't Rank, Combine! Combining Machine Translation Hypotheses Using Quality Estimation
von: Vernikos, Giorgos, et al.
Veröffentlicht: (2024)

Loss Shaping Constraints for Long-Term Time Series Forecasting
von: Hounie, Ignacio, et al.
Veröffentlicht: (2024)

ForecastGAN: A Decomposition-Based Adversarial Framework for Multi-Horizon Time Series Forecasting
von: Fatima, Syeda Sitara Wishal, et al.
Veröffentlicht: (2025)

A Decomposition Modeling Framework for Seasonal Time-Series Forecasting
von: Pang, Yining, et al.
Veröffentlicht: (2024)

Don't Get Me Wrong: How to Apply Deep Visual Interpretations to Time Series
von: Loeffler, Christoffer, et al.
Veröffentlicht: (2022)

ST-MTM: Masked Time Series Modeling with Seasonal-Trend Decomposition for Time Series Forecasting
von: Seo, Hyunwoo, et al.
Veröffentlicht: (2025)

Revitalizing Multivariate Time Series Forecasting: Learnable Decomposition with Inter-Series Dependencies and Intra-Series Variations Modeling
von: Yu, Guoqi, et al.
Veröffentlicht: (2024)

WFTNet: Exploiting Global and Local Periodicity in Long-term Time Series Forecasting
von: Liu, Peiyuan, et al.
Veröffentlicht: (2023)

CycleNet: Enhancing Time Series Forecasting through Modeling Periodic Patterns
von: Lin, Shengsheng, et al.
Veröffentlicht: (2024)

A Decomposition-based State Space Model for Multivariate Time-Series Forecasting
von: Nagashima, Shunya, et al.
Veröffentlicht: (2026)

SWIFT: Mapping Sub-series with Wavelet Decomposition Improves Time Series Forecasting
von: Xie, Wenxuan, et al.
Veröffentlicht: (2025)

Parsimony or Capability? Decomposition Delivers Both in Long-term Time Series Forecasting
von: Deng, Jinliang, et al.
Veröffentlicht: (2024)

Don't Waste Your Time: Early Stopping Cross-Validation
von: Bergman, Edward, et al.
Veröffentlicht: (2024)

Deep Learning-Based Financial Time Series Forecasting via Sliding Window and Variational Mode Decomposition
von: Li, Luke
Veröffentlicht: (2025)

Effective Series Decomposition and Components Learning for Time Series Generation
von: Ma, Zixuan, et al.
Veröffentlicht: (2025)

TimeKAN: KAN-based Frequency Decomposition Learning Architecture for Long-term Time Series Forecasting
von: Huang, Songtao, et al.
Veröffentlicht: (2025)

If You Don't Understand It, Don't Use It: Eliminating Trojans with Filters Between Layers
von: Hernandez, Adriano
Veröffentlicht: (2024)

Transformers Don't In-Context Learn Least Squares Regression
von: Hill, Joshua, et al.
Veröffentlicht: (2025)

PeriodNet: Boosting the Potential of Attention Mechanism for Time Series Forecasting
von: Zhao, Bowen, et al.
Veröffentlicht: (2025)

Online Kernel Dynamic Mode Decomposition for Streaming Time Series Forecasting with Adaptive Windowing
von: Salazar, Christopher, et al.
Veröffentlicht: (2025)

FreDN: Spectral Disentanglement for Time Series Forecasting via Learnable Frequency Decomposition
von: An, Zhongde, et al.
Veröffentlicht: (2025)

Don't Freeze, Don't Crash: Extending the Safe Operating Range of Neural Navigation in Dense Crowds
von: Zhang, Jiefu, et al.
Veröffentlicht: (2026)

Sample, Don't Search: Rethinking Test-Time Alignment for Language Models
von: Faria, Gonçalo, et al.
Veröffentlicht: (2025)

Beyond Model Ranking: Predictability-Aligned Evaluation for Time Series Forecasting
von: Feng, Wanjin, et al.
Veröffentlicht: (2025)

Convolutionally Low-Rank Models with Modified Quantile Regression for Interval Time Series Forecasting
von: Zhu, Miaoxuan, et al.
Veröffentlicht: (2026)