Buchumschlag

CAST: Causal Anchored Simplex Transport for Distribution-Valued Time Series

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lu, Jiecheng, Di, Jieqi, Wu, Runhua, Zhou, Yuwei
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

In-context Time Series Predictor
von: Lu, Jiecheng, et al.
Veröffentlicht: (2024)

CATS: Enhancing Multivariate Time Series Forecasting by Constructing Auxiliary Time Series as Exogenous Variables
von: Lu, Jiecheng, et al.
Veröffentlicht: (2024)

WAVE: Weighted Autoregressive Varying Gate for Time Series Forecasting
von: Lu, Jiecheng, et al.
Veröffentlicht: (2024)

Beyond Distribution Estimation: Simplex Anchored Structural Inference Towards Universal Semi-Supervised Learning
von: Hou, Yaxin, et al.
Veröffentlicht: (2026)

StretchTime: Adaptive Time Series Forecasting via Symplectic Attention
von: Kim, Yubin, et al.
Veröffentlicht: (2026)

Distributed Dynamic Invariant Causal Prediction in Environmental Time Series
von: Hao, Ziruo, et al.
Veröffentlicht: (2026)

QLIF-CAST: Quantum Leaky-Integrate-and-Fire for Time-Series Weather Forecasting
von: Marchisio, Alberto, et al.
Veröffentlicht: (2026)

CAPS: Unifying Attention, Recurrence, and Alignment in Transformer-based Time Series Forecasting
von: Pati, Viresh, et al.
Veröffentlicht: (2026)

Beyond Similarity: Temporal Operator Attention for Time Series Analysis
von: Twitty, Jevon, et al.
Veröffentlicht: (2026)

Linear Transformers as VAR Models: Aligning Autoregressive Attention Mechanisms with Autoregressive Forecasting
von: Lu, Jiecheng, et al.
Veröffentlicht: (2025)

Function-Valued Causal Influence in Nonlinear Time Series
von: Kuskova, Valentina V., et al.
Veröffentlicht: (2026)

ARM: Refining Multivariate Forecasting with Adaptive Temporal-Contextual Learning
von: Lu, Jiecheng, et al.
Veröffentlicht: (2023)

HyperMLP: An Integrated Perspective for Sequence Modeling
von: Lu, Jiecheng, et al.
Veröffentlicht: (2026)

Free Energy Mixer
von: Lu, Jiecheng, et al.
Veröffentlicht: (2026)

Deep Joint Distribution Optimal Transport for Universal Domain Adaptation on Time Series
von: Mussard, Romain, et al.
Veröffentlicht: (2025)

Causal Time Series Modeling of Supraglacial Lake Evolution in Greenland under Distribution Shift
von: Hossain, Emam, et al.
Veröffentlicht: (2025)

AME-TS: Anchored Mixture-of-Experts for Time Series Forecasting
von: Wang, Rui, et al.
Veröffentlicht: (2026)

CAST: Time-Varying Treatment Effects with Application to Chemotherapy and Radiotherapy on Head and Neck Squamous Cell Carcinoma
von: Yang, Everest, et al.
Veröffentlicht: (2025)

Label Distribution Learning using the Squared Neural Family on the Probability Simplex
von: Zhang, Daokun, et al.
Veröffentlicht: (2024)

Causality-Aware Spatiotemporal Graph Neural Networks for Spatiotemporal Time Series Imputation
von: Jing, Baoyu, et al.
Veröffentlicht: (2024)

Robot Policy Learning with Temporal Optimal Transport Reward
von: Fu, Yuwei, et al.
Veröffentlicht: (2024)

Adaptive Classification of Interval-Valued Time Series
von: Tian, Wan, et al.
Veröffentlicht: (2025)

Causal Discovery for Irregularly Time Series with Consistency Guarantees
von: Li, Weihong, et al.
Veröffentlicht: (2025)

Intervention-Based Time Series Causal Discovery via Simulator-Generated Interventional Distributions
von: Okita, Tsuyoshi
Veröffentlicht: (2026)

Targeted Regularization for Causal Effect Estimation with Exponential Dispersion Family Outcomes
von: Li, Jiahong, et al.
Veröffentlicht: (2025)

CausalCompass: Evaluating the Robustness of Time-Series Causal Discovery in Misspecified Scenarios
von: Yi, Huiyang, et al.
Veröffentlicht: (2026)

Efficient Causal Discovery for Autoregressive Time Series
von: Fesanghary, Mohammad, et al.
Veröffentlicht: (2025)

Causal Time Series Generation via Diffusion Models
von: Xia, Yutong, et al.
Veröffentlicht: (2025)

Causal Discovery from Conditionally Stationary Time Series
von: Balsells-Rodas, Carles, et al.
Veröffentlicht: (2021)

SpaceTime: Causal Discovery from Non-Stationary Time Series
von: Mameche, Sarah, et al.
Veröffentlicht: (2025)

Long-Term Individual Causal Effect Estimation via Identifiable Latent Representation Learning
von: Cai, Ruichu, et al.
Veröffentlicht: (2025)

Causal Identification in Time Series Models
von: Jahn, Erik, et al.
Veröffentlicht: (2025)

Causally-Constrained Probabilistic Forecasting for Time-Series Anomaly Detection
von: Khosravinia, Pooyan, et al.
Veröffentlicht: (2026)

Caformer: Rethinking Time Series Analysis from Causal Perspective
von: Zhang, Kexuan, et al.
Veröffentlicht: (2024)

MotifDisco: Motif Causal Discovery For Time Series Motifs
von: Lamp, Josephine, et al.
Veröffentlicht: (2024)

Causality-Inspired Safe Residual Correction for Multivariate Time Series
von: Xie, Jianxiang, et al.
Veröffentlicht: (2025)

Interventional Time Series Priors for Causal Foundation Models
von: Thumm, Dennis, et al.
Veröffentlicht: (2026)

Algorithmic Recourse in Abnormal Multivariate Time Series
von: Han, Xiao, et al.
Veröffentlicht: (2023)

Neural Likelihood Approximation for Integer Valued Time Series Data
von: O'Loughlin, Luke, et al.
Veröffentlicht: (2023)

Simplex Deep Linear Discriminant Analysis
von: Tezekbayev, Maxat, et al.
Veröffentlicht: (2026)