Time Series Analysis

8 items

RESEARCHarXiv CS.LG·il y a 20h

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

TriHead-GAN propose un Réseau Génératif Adversarial basé sur Transformer avec un discriminateur à triple tête pour pallier la rareté des données d'émissions de carbone au niveau des villes. Ce cadre améliore la génération de séries temporelles en préservant mieux les corrélations inter-variables et la variabilité réaliste par rapport aux modèles existants.

deep learning Carbon Emissions Time Series Analysis Climate AI

RESEARCHarXiv CS.LG·21/04/2026

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

Cet article étudie l'alignement asynchrone dans l'apprentissage multimodal, où un flux primaire dense doit être fusionné avec un contexte externe sporadique, exigeant que les modèles raisonnent explicitement sur la fraîcheur et la confiance. Il propose CGCMA (Conditionally-Gated Cross-Modal Attention), un modèle qui sépare l'ancrage conditionné par le texte du contrôle de confiance sensible au décalage, testé sur les marchés de cryptomonnaies.

multimodal AI machine learning attention mechanisms Time Series Analysis

RESEARCHarXiv CS.LG·il y a 11j

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

Cet article présente COM (Continuity and Ordinality Matter), une stratégie qui intègre des contraintes géométriques dans les phases d'initialisation et d'entraînement des grands modèles linguistiques basés sur des jetons (TS-LLMs) pour l'analyse des séries temporelles. La recherche démontre que la préservation de la continuité et de l'ordinalité dans les embeddings de jetons des séries temporelles améliore considérablement les performances et la généralisabilité du modèle.

machine learning Tokenization large language models Time Series Analysis

RESEARCHarXiv CS.LG·il y a 12j

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

Les Réseaux Neuronaux Liquides (LNN) modélisent l'évolution de l'état caché via des équations différentielles continues, contrairement aux RNN et LSTM à temps discret. Cette étude compare les LNN aux LSTM sur quatre modalités séquentielles, révélant la supériorité des LNN en termes d'efficacité paramétrique et de robustesse dans les domaines temporels et cliniques.

neural networks Clinical AI deep learning machine learning

RESEARCHarXiv CS.LG·22/04/2026

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

Cet article propose une nouvelle méthode, le test de nécessité de prévision, pour la découverte causale interprétable dans les modèles de séries temporelles non linéaires. Il vise à dépasser les coefficients traditionnels pour mieux comprendre les relations causales complexes.

nonlinear models Causal Discovery interpretable AI Time Series Analysis

DOCTowards Data Science·03/02/2025

How to Find Seasonality Patterns in Time Series

Ce contenu explique comment trouver des modèles de saisonnalité dans les séries temporelles en utilisant la Transformée de Fourier.

Fourier Transform data science Time Series Analysis Seasonality

DOCKDNuggets·il y a 28j

5 Useful Python Scripts for Time Series Analysis

Cet article présente cinq scripts Python pratiques conçus pour l'analyse de séries temporelles, une tâche courante dans divers domaines tels que la finance, les opérations, l'ingénierie et la recherche. Ces scripts visent à couvrir les défis analytiques rencontrés fréquemment avec les données de séries temporelles.

Scripts data analysis Programming Python

5 Useful Python Scripts for Time Series Analysis

RESEARCHarXiv CS.AI·22/04/2026

On Solving the Multiple Variable Gapped Longest Common Subsequence Problem

Cet article s'attaque au problème de la plus longue sous-séquence commune à écarts variables (VGLCS), une généralisation du LCS avec des contraintes d'écart flexibles, pertinente pour la comparaison de séquences moléculaires et l'analyse de séries temporelles. Il propose un cadre de recherche basé sur des graphes d'état avec une stratégie de recherche par faisceau itérative pour gérer l'explosion combinatoire et trouver des solutions de haute qualité.

search algorithms Optimization Algorithms Time Series Analysis