Buchumschlag

Transformer autoencoder with local attention for sparse and irregular time series with application on risk estimation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Rodis, Panteleimon
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

Towards automated data analysis: A guided framework for LLM-based risk estimation
von: Rodis, Panteleimon
Veröffentlicht: (2026)

Scaling and evaluating sparse autoencoders
von: Gao, Leo, et al.
Veröffentlicht: (2024)

Applying sparse autoencoders to unlearn knowledge in language models
von: Farrell, Eoin, et al.
Veröffentlicht: (2024)

Towards efficient deep autoencoders for multivariate time series anomaly detection
von: Pietroń, Marcin, et al.
Veröffentlicht: (2024)

Can sparse autoencoders be used to decompose and interpret steering vectors?
von: Mayne, Harry, et al.
Veröffentlicht: (2024)

Steering CLIP's vision transformer with sparse autoencoders
von: Joseph, Sonia, et al.
Veröffentlicht: (2025)

Physics-integrated generative modeling using attentive planar normalizing flow based variational autoencoder
von: Akhtar, Sheikh Waqas
Veröffentlicht: (2024)

CNN-TFT explained by SHAP with multi-head attention weights for time series forecasting
von: Stefenon, Stefano F., et al.
Veröffentlicht: (2025)

Three-dimensional attention Transformer for state evaluation in real-time strategy games
von: Ye, Yanqing, et al.
Veröffentlicht: (2025)

Static and multivariate-temporal attentive fusion transformer for readmission risk prediction
von: Sun, Zhe, et al.
Veröffentlicht: (2024)

Inferring response times of perceptual decisions with Poisson variational autoencoders
von: Johnson, Hayden R., et al.
Veröffentlicht: (2025)

On defining and modeling context-awareness
von: Rodis, Panteleimon
Veröffentlicht: (2026)

Temporal Fusion Nexus: A task-agnostic multi-modal embedding model for clinical narratives and irregular time series in post-kidney transplant care
von: Kumar, Aditya, et al.
Veröffentlicht: (2026)

Variational autoencoder-based neural network model compression
von: Cheng, Liang, et al.
Veröffentlicht: (2024)

RESTAD: REconstruction and Similarity based Transformer for time series Anomaly Detection
von: Ghorbani, Ramin, et al.
Veröffentlicht: (2024)

Reorganizing attention-space geometry with expressive attention
von: Gros, Claudius
Veröffentlicht: (2024)

Multimodal normative modeling in Alzheimers Disease with introspective variational autoencoders
von: Kumar, Sayantan, et al.
Veröffentlicht: (2026)

TransformerFAM: Feedback attention is working memory
von: Hwang, Dongseong, et al.
Veröffentlicht: (2024)

Surrogate uncertainty estimation for your time series forecasting black-box: learn when to trust
von: Erlygin, Leonid, et al.
Veröffentlicht: (2023)

Remote sensing framework for geological mapping via stacked autoencoders and clustering
von: Nagar, Sandeep, et al.
Veröffentlicht: (2024)

Poly-attention: a general scheme for higher-order self-attention
von: Chakrabarti, Sayak, et al.
Veröffentlicht: (2026)

Test Time Training for AC Power Flow Surrogates via Physics and Operational Constraint Refinement
von: Dogoulis, Panteleimon, et al.
Veröffentlicht: (2025)

Multi-view autoencoders for Fake News Detection
von: Pereira, Ingryd V. S. T., et al.
Veröffentlicht: (2025)

Discretization of continuous input spaces in the hippocampal autoencoder
von: Amil, Adrian F., et al.
Veröffentlicht: (2024)

PAX-TS: Model-agnostic multi-granular explanations for time series forecasting via localized perturbations
von: Kreuzer, Tim, et al.
Veröffentlicht: (2025)

Supervised learning pays attention
von: Craig, Erin, et al.
Veröffentlicht: (2025)

Metabolic cost of information processing in Poisson variational autoencoders
von: Vafaii, Hadi, et al.
Veröffentlicht: (2026)

Bitformer: An efficient Transformer with bitwise operation-based attention for Big Data Analytics at low-cost low-precision devices
von: Duan, Gaoxiang, et al.
Veröffentlicht: (2023)

Weight-sparse transformers have interpretable circuits
von: Gao, Leo, et al.
Veröffentlicht: (2025)

CAVACHON: a hierarchical variational autoencoder to integrate multi-modal single-cell data
von: Hsieh, Ping-Han, et al.
Veröffentlicht: (2024)

Towards plausibility in time series counterfactual explanations
von: Kostrzewa, Marcin, et al.
Veröffentlicht: (2026)

Tucker Attention: A generalization of approximate attention mechanisms
von: Klein, Timon, et al.
Veröffentlicht: (2026)

An end-to-end attention-based approach for learning on graphs
von: Buterez, David, et al.
Veröffentlicht: (2024)

Short window attention enables long-term memorization
von: Cabannes, Loïc, et al.
Veröffentlicht: (2025)

Knowledge-enhanced Transformer for Multivariate Long Sequence Time-series Forecasting
von: Kakde, Shubham Tanaji, et al.
Veröffentlicht: (2024)

Grey-informed neural network for time-series forecasting
von: Xie, Wanli, et al.
Veröffentlicht: (2024)

Cross-attentive Cohesive Subgraph Embedding to Mitigate Oversquashing in GNNs
von: Hossain, Tanvir, et al.
Veröffentlicht: (2026)

A practical existence theorem for reduced order models based on convolutional autoencoders
von: Franco, Nicola Rares, et al.
Veröffentlicht: (2024)

LDTC: Lifelong deep temporal clustering for multivariate time series
von: Wang, Zhi, et al.
Veröffentlicht: (2026)

LLM-ABBA: Understanding time series via symbolic approximation
von: Chen, Xinye, et al.
Veröffentlicht: (2024)