Time Series Analysis

8 items

RESEARCHarXiv CS.LG·hace 20h

TriHead-GAN: A Generative Adversarial Network with Triple-Head Discriminator for Carbon Emission Time Series Generation

TriHead-GAN propone una Red Generativa Adversarial basada en Transformer con un discriminador de triple cabezal para abordar la escasez de datos de emisiones de carbono a nivel de ciudad. Este marco mejora la generación de series de tiempo al preservar mejor las correlaciones entre variables y la variabilidad realista en comparación con los modelos existentes.

deep learning Carbon Emissions Time Series Analysis Climate AI

RESEARCHarXiv CS.LG·21/4/2026

CGCMA: Conditionally-Gated Cross-Modal Attention for Event-Conditioned Asynchronous Fusion

Este artículo estudia la alineación asíncrona en el aprendizaje multimodal, donde una corriente primaria densa debe fusionarse con contexto externo esporádico, requiriendo que los modelos razonen explícitamente sobre la frescura y la confianza. Propone CGCMA (Atención Transmodal Condicionalmente Gated), un modelo que separa la conexión a tierra condicionada por texto del control de confianza consciente del retraso, probado en mercados de criptomonedas.

multimodal AI machine learning attention mechanisms Time Series Analysis

RESEARCHarXiv CS.LG·hace 11d

Continuity and Ordinality Matter: Constraining Time Series Tokens for Effective Time Series Analysis with Large Language Models

Este artículo presenta COM (Continuity and Ordinality Matter), una estrategia que integra restricciones geométricas en las etapas de inicialización y entrenamiento de los grandes modelos de lenguaje basados en tokens (TS-LLMs) para el análisis de series temporales. La investigación demuestra que preservar la continuidad y la ordinalidad en los embeddings de tokens de series temporales mejora significativamente el rendimiento y la generalizabilidad del modelo.

machine learning Tokenization large language models Time Series Analysis

RESEARCHarXiv CS.LG·hace 12d

Comparative Analysis of Liquid Neural Networks and LSTM for Sequential Pattern Recognition: Robustness, Efficiency, and Clinical Utility

Las Redes Neuronales Líquidas (LNN) modelan la evolución del estado oculto como una ecuación diferencial continua, a diferencia de las RNN y LSTM de tiempo discreto. Este estudio compara LNN con LSTM en cuatro modalidades secuenciales, mostrando la superior eficiencia de parámetros y robustez de las LNN en dominios temporales nativos y entornos clínicos.

neural networks Clinical AI deep learning machine learning

RESEARCHarXiv CS.LG·22/4/2026

Beyond Coefficients: Forecast-Necessity Testing for Interpretable Causal Discovery in Nonlinear Time-Series Models

Este artículo propone un nuevo método llamado prueba de necesidad de pronóstico para el descubrimiento causal interpretable en modelos de series temporales no lineales. Su objetivo es ir más allá de los coeficientes tradicionales para comprender mejor las complejas relaciones causales.

nonlinear models Causal Discovery interpretable AI Time Series Analysis

DOCTowards Data Science·3/2/2025

How to Find Seasonality Patterns in Time Series

Este contenido explica cómo encontrar patrones de estacionalidad en series de tiempo utilizando la Transformada de Fourier.

Fourier Transform data science Time Series Analysis Seasonality

DOCKDNuggets·hace 28d

5 Useful Python Scripts for Time Series Analysis

Este artículo presenta cinco scripts prácticos de Python diseñados para el análisis de series de tiempo, una tarea común en diversos campos como finanzas, operaciones, ingeniería e investigación. Estos scripts tienen como objetivo cubrir los desafíos analíticos que surgen repetidamente con los datos de series de tiempo.

Scripts data analysis Programming Python

5 Useful Python Scripts for Time Series Analysis

RESEARCHarXiv CS.AI·22/4/2026

On Solving the Multiple Variable Gapped Longest Common Subsequence Problem

Este artículo trata el problema de la Subsecuencia Común Más Larga con Brechas Variables (VGLCS), una generalización del LCS con restricciones de brechas flexibles, relevante para la comparación de secuencias moleculares y el análisis de series temporales. Propone un marco de búsqueda basado en grafos de estado con una estrategia iterativa de búsqueda por haces para controlar la explosión combinatoria y hallar soluciones de alta calidad.

search algorithms Optimization Algorithms Time Series Analysis