Buchumschlag

E4GEN: Event-level Explainable Extreme-Enhanced Time-series Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jiang, Lin, Yu, Dahai, Li, Ximiao, Wang, Guang
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

HealthMamba: An Uncertainty-aware Spatiotemporal Graph State Space Model for Effective and Reliable Healthcare Facility Visit Prediction
von: Yu, Dahai, et al.
Veröffentlicht: (2026)

SynHAT: A Two-stage Coarse-to-Fine Diffusion Framework for Synthesizing Human Activity Traces
von: Xu, Rongchao, et al.
Veröffentlicht: (2026)

EnergyMamba: An Uncertainty-Aware Graph-Enhanced Selective State Space Model for Energy Consumption Prediction
von: Yu, Dahai, et al.
Veröffentlicht: (2026)

TrustEnergy: A Unified Framework for Accurate and Reliable User-level Energy Usage Prediction
von: Yu, Dahai, et al.
Veröffentlicht: (2026)

Uncertainty-aware Predict-Then-Optimize Framework for Equitable Post-Disaster Power Restoration
von: Jiang, Lin, et al.
Veröffentlicht: (2025)

From Black Box to Insight: Explainable AI for Extreme Event Preparedness
von: Vu, Kiana, et al.
Veröffentlicht: (2025)

UQGNN: Uncertainty Quantification of Graph Neural Networks for Multivariate Spatiotemporal Prediction
von: Yu, Dahai, et al.
Veröffentlicht: (2025)

Capture Timing-Attention of Events in Clinical Time Series
von: Li, Jia, et al.
Veröffentlicht: (2026)

ARC-GEN: A Mimetic Procedural Benchmark Generator for the Abstraction and Reasoning Corpus
von: Moffitt, Michael D.
Veröffentlicht: (2025)

Predicting Human Mobility during Extreme Events via LLM-Enhanced Cross-City Learning
von: Tang, Yinzhou, et al.
Veröffentlicht: (2025)

The Complexity of Extreme Climate Events on the New Zealand's Kiwifruit Industry
von: Zheng, Boyuan, et al.
Veröffentlicht: (2025)

Synergizing Deconfounding and Temporal Generalization For Time-series Counterfactual Outcome Estimation
von: Liu, Yiling, et al.
Veröffentlicht: (2025)

ExEBench: Benchmarking Foundation Models on Extreme Earth Events
von: Zhao, Shan, et al.
Veröffentlicht: (2025)

ELLMob: Event-Driven Human Mobility Generation with Self-Aligned LLM Framework
von: Wang, Yusong, et al.
Veröffentlicht: (2026)

SQS: Bayesian DNN Compression through Sparse Quantized Sub-distributions
von: Wang, Ziyi, et al.
Veröffentlicht: (2025)

Enhancing Psychologists' Understanding through Explainable Deep Learning Framework for ADHD Diagnosis
von: Rehman, Abdul, et al.
Veröffentlicht: (2026)

TimeDP: Learning to Generate Multi-Domain Time Series with Domain Prompts
von: Huang, Yu-Hao, et al.
Veröffentlicht: (2025)

EventTSF: Event-Aware Non-Stationary Time Series Forecasting
von: Ge, Yunfeng, et al.
Veröffentlicht: (2025)

Bidirectional Generative Pre-training for Improving Healthcare Time-series Representation Learning
von: Song, Ziyang, et al.
Veröffentlicht: (2024)

Explainable Time Series Prediction of Tyre Energy in Formula One Race Strategy
von: Todd, Jamie, et al.
Veröffentlicht: (2025)

Conformal Prediction for Time-series Forecasting with Change Points
von: Sun, Sophia, et al.
Veröffentlicht: (2025)

ECATS: Explainable-by-design concept-based anomaly detection for time series
von: Ferfoglia, Irene, et al.
Veröffentlicht: (2024)

Prototype-Guided Classification Sub-Task Decoupling Framework: Enhancing Generalization and Interpretability for Multivariate Time Series
von: Song, Xianhao, et al.
Veröffentlicht: (2026)

Fine-Tuning Diffusion Models for Molecular Generation via Reinforcement Learning and Fast Sampling
von: Lin, Guang, et al.
Veröffentlicht: (2026)

Generalized Discrete Diffusion with Self-Correction
von: Wang, Linxuan, et al.
Veröffentlicht: (2026)

Can Multitask Learning Enhance Model Explainability?
von: Najjar, Hiba, et al.
Veröffentlicht: (2025)

How Particle System Theory Enhances Hypergraph Message Passing
von: Ma, Yixuan, et al.
Veröffentlicht: (2025)

Transforming Multidimensional Time Series into Interpretable Event Sequences for Advanced Data Mining
von: Yan, Xu, et al.
Veröffentlicht: (2024)

Deep Time-series Forecasting Needs Kernelized Moment Balancing
von: Pan, Licheng, et al.
Veröffentlicht: (2026)

Communication-Efficient Federated Risk Difference Estimation for Time-to-Event Clinical Outcomes
von: Wang, Ziwen, et al.
Veröffentlicht: (2026)

M$^2$FMoE: Multi-Resolution Multi-View Frequency Mixture-of-Experts for Extreme-Adaptive Time Series Forecasting
von: Huang, Yaohui, et al.
Veröffentlicht: (2026)

Event-Aware Prompt Learning for Dynamic Graphs
von: Yu, Xingtong, et al.
Veröffentlicht: (2025)

Explainable AI for Multivariate Time Series Pattern Exploration: Latent Space Visual Analytics with Temporal Fusion Transformer and Variational Autoencoders in Power Grid Event Diagnosis
von: Xu, Haowen, et al.
Veröffentlicht: (2024)

Diff-MN: Diffusion Parameterized MoE-NCDE for Continuous Time Series Generation with Irregular Observations
von: Zhang, Xu, et al.
Veröffentlicht: (2026)

XTSFormer: Cross-Temporal-Scale Transformer for Irregular-Time Event Prediction in Clinical Applications
von: Xiao, Tingsong, et al.
Veröffentlicht: (2024)

EU-Nets: Enhanced, Explainable and Parsimonious U-Nets
von: Sun, B., et al.
Veröffentlicht: (2025)

Graph Attention Networks Unleashed: A Fast and Explainable Vulnerability Assessment Framework for Microgrids
von: Liu, Wei, et al.
Veröffentlicht: (2025)

Explainable classification of astronomical uncertain time series
von: Mbouopda, Michael Franklin, et al.
Veröffentlicht: (2022)

TimeCAP: Learning to Contextualize, Augment, and Predict Time Series Events with Large Language Model Agents
von: Lee, Geon, et al.
Veröffentlicht: (2025)

PFformer: A Position-Free Transformer Variant for Extreme-Adaptive Multivariate Time Series Forecasting
von: Li, Yanhong, et al.
Veröffentlicht: (2025)