Buchumschlag

PaP-NF: Probabilistic Long-Term Time Series Forecasting via Prefix-as-Prompt Reprogramming and Normalizing Flows

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kim, Minju, Hur, Youngbum
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

There are no Champions in Supervised Long-Term Time Series Forecasting
von: Brigato, Lorenzo, et al.
Veröffentlicht: (2025)

Dynamic Long-Term Time-Series Forecasting via Meta Transformer Networks
von: Ma'sum, Muhammad Anwar, et al.
Veröffentlicht: (2024)

Time-LLM: Time Series Forecasting by Reprogramming Large Language Models
von: Jin, Ming, et al.
Veröffentlicht: (2023)

Flow Matching with Gaussian Process Priors for Probabilistic Time Series Forecasting
von: Kollovieh, Marcel, et al.
Veröffentlicht: (2024)

HADL Framework for Noise Resilient Long-Term Time Series Forecasting
von: Dey, Aditya, et al.
Veröffentlicht: (2025)

Leveraging Multivariate Long-Term History Representation for Time Series Forecasting
von: Zhang, Huiliang, et al.
Veröffentlicht: (2025)

DPWMixer: Dual-Path Wavelet Mixer for Long-Term Time Series Forecasting
von: Qianyang, Li, et al.
Veröffentlicht: (2025)

Multi-Scale Dilated Convolution Network for Long-Term Time Series Forecasting
von: Li, Feifei, et al.
Veröffentlicht: (2024)

BEAT: Balanced Frequency Adaptive Tuning for Long-Term Time-Series Forecasting
von: Li, Zhixuan, et al.
Veröffentlicht: (2025)

Disentangled Parameter-Efficient Linear Model for Long-Term Time Series Forecasting
von: Zhao, Yuang, et al.
Veröffentlicht: (2024)

Inner-Instance Normalization for Time Series Forecasting
von: Jibao, Zipo, et al.
Veröffentlicht: (2025)

Unlocking the Power of Patch: Patch-Based MLP for Long-Term Time Series Forecasting
von: Tang, Peiwang, et al.
Veröffentlicht: (2024)

ISMRNN: An Implicitly Segmented RNN Method with Mamba for Long-Term Time Series Forecasting
von: Zhao, GaoXiang, et al.
Veröffentlicht: (2024)

Non-stationary Diffusion For Probabilistic Time Series Forecasting
von: Ye, Weiwei, et al.
Veröffentlicht: (2025)

When Will It Fail?: Anomaly to Prompt for Forecasting Future Anomalies in Time Series
von: Park, Min-Yeong, et al.
Veröffentlicht: (2025)

Time-Prompt: Integrated Heterogeneous Prompts for Unlocking LLMs in Time Series Forecasting
von: Wang, Zesen, et al.
Veröffentlicht: (2025)

Multi-Modal View Enhanced Large Vision Models for Long-Term Time Series Forecasting
von: Shen, ChengAo, et al.
Veröffentlicht: (2025)

Disentangling Long-Short Term State Under Unknown Interventions for Online Time Series Forecasting
von: Cai, Ruichu, et al.
Veröffentlicht: (2025)

Winner-takes-all for Multivariate Probabilistic Time Series Forecasting
von: Cortés, Adrien, et al.
Veröffentlicht: (2025)

Frequency Adaptive Normalization For Non-stationary Time Series Forecasting
von: Ye, Weiwei, et al.
Veröffentlicht: (2024)

TimeGMM: Single-Pass Probabilistic Forecasting via Adaptive Gaussian Mixture Models with Reversible Normalization
von: Liu, Lei, et al.
Veröffentlicht: (2026)

Unified Long-Term Time-Series Forecasting Benchmark
von: Cyranka, Jacek, et al.
Veröffentlicht: (2023)

Attractor Memory for Long-Term Time Series Forecasting: A Chaos Perspective
von: Hu, Jiaxi, et al.
Veröffentlicht: (2024)

QuLTSF: Long-Term Time Series Forecasting with Quantum Machine Learning
von: Chittoor, Hari Hara Suthan, et al.
Veröffentlicht: (2024)

Context-Aware Probabilistic Modeling with LLM for Multimodal Time Series Forecasting
von: Yao, Yueyang, et al.
Veröffentlicht: (2025)

Lag-Llama: Towards Foundation Models for Probabilistic Time Series Forecasting
von: Rasul, Kashif, et al.
Veröffentlicht: (2023)

Long Input Sequence Network for Long Time Series Forecasting
von: Ma, Chao, et al.
Veröffentlicht: (2024)

Introducing Spectral Attention for Long-Range Dependency in Time Series Forecasting
von: Kang, Bong Gyun, et al.
Veröffentlicht: (2024)

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

TimeAPN: Adaptive Amplitude-Phase Non-Stationarity Normalization for Time Series Forecasting
von: Hu, Yue, et al.
Veröffentlicht: (2026)

Breaking the Context Bottleneck on Long Time Series Forecasting
von: Ma, Chao, et al.
Veröffentlicht: (2024)

Parametric Prior Mapping Framework for Non-stationary Probabilistic Time Series Forecasting
von: Li, Jinglin, et al.
Veröffentlicht: (2026)

Stochastic Diffusion: A Diffusion Probabilistic Model for Stochastic Time Series Forecasting
von: Liu, Yuansan, et al.
Veröffentlicht: (2024)

RDIT: Residual-based Diffusion Implicit Models for Probabilistic Time Series Forecasting
von: Lai, Chih-Yu, et al.
Veröffentlicht: (2025)

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

TimeCapsule: Solving the Jigsaw Puzzle of Long-Term Time Series Forecasting with Compressed Predictive Representations
von: Lu, Yihang, et al.
Veröffentlicht: (2025)

Are Self-Attentions Effective for Time Series Forecasting?
von: Kim, Dongbin, et al.
Veröffentlicht: (2024)

Forecasting Time Series with LLMs via Patch-Based Prompting and Decomposition
von: Bumb, Mayank, et al.
Veröffentlicht: (2025)

Battling the Non-stationarity in Time Series Forecasting via Test-time Adaptation
von: Kim, HyunGi, et al.
Veröffentlicht: (2025)

Temporal-Conditioned Normalizing Flows for Multivariate Time Series Anomaly Detection
von: Baumgartner, David, et al.
Veröffentlicht: (2026)