Buchumschlag

UTOPYA: A Multimodal Deep Learning Framework for Physics-Informed Anomaly Detection and Time-Series Prediction

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Pessoa, Robson W. S., Amblard, Julien, Russo, Alessandra, Nogueira, Idelfonso B. R.
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

Failure Detection in Chemical Processes Using Symbolic Machine Learning: A Case Study on Ethylene Oxidation
von: Amblard, Julien, et al.
Veröffentlicht: (2026)

WISE-FM:Operation-Aware, Engineering-Informed Foundation Model for Multi-Task Well Design
von: Rebello, Carine de Menezes, et al.
Veröffentlicht: (2026)

Physics-Informed Diffusion Models for Unsupervised Anomaly Detection in Multivariate Time Series
von: Soni, Juhi, et al.
Veröffentlicht: (2025)

MultiPUFFIN: A Multimodal Domain-Constrained Foundation Model for Molecular Property Prediction of Small Molecules
von: Nogueira, Idelfonso B. R., et al.
Veröffentlicht: (2026)

Cross-Modal Deep Metric Learning for Time Series Anomaly Detection
von: Li, Wei, et al.
Veröffentlicht: (2025)

Deep Learning for Time Series Anomaly Detection: A Survey
von: Darban, Zahra Zamanzadeh, et al.
Veröffentlicht: (2022)

Unified Taxonomy for Multivariate Time Series Anomaly Detection using Deep Learning
von: Alves, Bruna, et al.
Veröffentlicht: (2026)

Unsupervised Feature Construction for Anomaly Detection in Time Series -- An Evaluation
von: Hamon, Marine, et al.
Veröffentlicht: (2025)

Impact of Recurrent Neural Networks and Deep Learning Frameworks on Real-time Lightweight Time Series Anomaly Detection
von: Lee, Ming-Chang, et al.
Veröffentlicht: (2024)

Can Multimodal LLMs Perform Time Series Anomaly Detection?
von: Xu, Xiongxiao, et al.
Veröffentlicht: (2025)

Towards Multimodal Time Series Anomaly Detection with Semantic Alignment and Condensed Interaction
von: Hu, Shiyan, et al.
Veröffentlicht: (2026)

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

LLM-Enhanced Reinforcement Learning for Time Series Anomaly Detection
von: Golchin, Bahareh, et al.
Veröffentlicht: (2026)

Predictive Representations for Skill Transfer in Reinforcement Learning
von: Vereecken, Ruben, et al.
Veröffentlicht: (2026)

MultiRC: Joint Learning for Time Series Anomaly Prediction and Detection with Multi-scale Reconstructive Contrast
von: Hu, Shiyan, et al.
Veröffentlicht: (2024)

An Interpretable Generative Framework for Anomaly Detection in High-Dimensional Financial Time Series
von: Martinez, Waldyn G
Veröffentlicht: (2026)

Machine Learning-based vs Deep Learning-based Anomaly Detection in Multivariate Time Series for Spacecraft Attitude Sensors
von: Gallon, R., et al.
Veröffentlicht: (2024)

AnomSeer: Reinforcing Multimodal LLMs to Reason for Time-Series Anomaly Detection
von: Zhang, Junru, et al.
Veröffentlicht: (2026)

Federated Learning for Multivariate Time Series Anomaly Detection in Industrial Automation
von: Nosrati, Khayyam, et al.
Veröffentlicht: (2026)

Surprised by Attention: Predictable Query Dynamics for Time Series Anomaly Detection
von: Özer, Kadir-Kaan, et al.
Veröffentlicht: (2026)

CoCAI: Copula-based Conformal Anomaly Identification for Multivariate Time-Series
von: Pearson, Nicholas A., et al.
Veröffentlicht: (2025)

A Comprehensive Forecasting-Based Framework for Time Series Anomaly Detection: Benchmarking on the Numenta Anomaly Benchmark (NAB)
von: Karami, Mohammad, et al.
Veröffentlicht: (2025)

Unsupervised Time Series Anomaly Prediction with Importance-based Generative Contrastive Learning
von: Zhao, Kai, et al.
Veröffentlicht: (2024)

Learning Unified Representations of Normalcy for Time Series Anomaly Detection
von: Sarker, Prithul, et al.
Veröffentlicht: (2026)

Active Learning and Transfer Learning for Anomaly Detection in Time-Series Data
von: Kelleher, John D., et al.
Veröffentlicht: (2025)

Learning-Based Link Anomaly Detection in Continuous-Time Dynamic Graphs
von: Poštuvan, Tim, et al.
Veröffentlicht: (2024)

TimeSeriesBench: An Industrial-Grade Benchmark for Time Series Anomaly Detection Models
von: Si, Haotian, et al.
Veröffentlicht: (2024)

Label-Free Multivariate Time Series Anomaly Detection
von: Zhou, Qihang, et al.
Veröffentlicht: (2023)

Contextual and Seasonal LSTMs for Time Series Anomaly Detection
von: Zhang, Lingpei, et al.
Veröffentlicht: (2026)

Graph Anomaly Detection in Time Series: A Survey
von: Ho, Thi Kieu Khanh, et al.
Veröffentlicht: (2023)

Open-Set Multivariate Time-Series Anomaly Detection
von: Lai, Thomas, et al.
Veröffentlicht: (2023)

Anomaly Detection in Event-triggered Traffic Time Series via Similarity Learning
von: Dou, Shaoyu, et al.
Veröffentlicht: (2025)

A Reliable Framework for Human-in-the-Loop Anomaly Detection in Time Series
von: Deng, Ziquan, et al.
Veröffentlicht: (2024)

Thermal-Mechanical Physics Informed Deep Learning For Fast Prediction of Thermal Stress Evolution in Laser Metal Deposition
von: Sharma, R., et al.
Veröffentlicht: (2024)

A FEDformer-Based Hybrid Framework for Anomaly Detection and Risk Forecasting in Financial Time Series
von: Fan, Ziling, et al.
Veröffentlicht: (2025)

CALM: A Framework for Continuous, Adaptive, and LLM-Mediated Anomaly Detection in Time-Series Streams
von: Devireddy, Ashok, et al.
Veröffentlicht: (2025)

DConAD: A Differencing-based Contrastive Representation Learning Framework for Time Series Anomaly Detection
von: Zhang, Wenxin, et al.
Veröffentlicht: (2025)

TreeMIL: A Multi-instance Learning Framework for Time Series Anomaly Detection with Inexact Supervision
von: Liu, Chen, et al.
Veröffentlicht: (2024)

An Unsupervised Anomaly Detection in Electricity Consumption Using Reinforcement Learning and Time Series Forest Based Framework
von: Ghanim, Jihan, et al.
Veröffentlicht: (2024)

Harnessing Contrastive Learning and Neural Transformation for Time Series Anomaly Detection
von: Chen, Katrina, et al.
Veröffentlicht: (2023)