Time Series

12 items

RESEARCHarXiv CS.LG·21/04/2026

UniMamba: A Unified Spatial-Temporal Modeling Framework with State-Space and Attention Integration

UniMamba é um novo framework unificado de previsão espaço-temporal que integra dinâmicas eficientes de modelos de espaço de estados com aprendizado de dependências baseado em atenção para lidar com desafios de séries temporais multivariadas. Ele emprega uma camada de Codificação de Canal Variado Mamba e uma Camada de Atenção Temporal Espacial para capturar tanto as dependências temporais globais quanto as correlações inter-variáveis.

forecasting machine learning attention mechanisms State Space Models

RESEARCHarXiv CS.AI·17/04/2026

Fun-TSG: A Function-Driven Multivariate Time Series Generator with Variable-Level Anomaly Labeling

A avaliação de métodos de detecção de anomalias em séries temporais multivariadas é um desafio devido à falta de datasets de benchmark detalhados. Fun-TSG é um gerador de séries temporais personalizável que visa melhorar essa avaliação, permitindo a geração automatizada ou manual com total transparência.

Anomaly Detection Benchmarking Data Generation Time Series

RESEARCHarXiv CS.AI·4d atrás

GITCO: Gated Inference-Time Context Optimization in TSFMs

Este artigo apresenta GITCO, um framework leve para otimização de contexto em tempo de inferência que melhora a precisão de Modelos de Fundação de Séries Temporais (TSFMs) baseados em patches. Ele identifica e suprime seletivamente patches prejudiciais sem atualizar os pesos do modelo, resultando em uma redução de +1,95% no MASE em TimesFM 2.5.

forecasting Optimization machine learning Foundation Models

RESEARCHarXiv CS.LG·15/04/2026

DBGL: Decay-aware Bipartite Graph Learning for Irregular Medical Time Series Classification

DBGL apresenta um novo método de Aprendizagem de Grafo Bipartido com Consciência de Decaimento para classificar séries temporais médicas irregulares. Ele emprega um grafo bipartido paciente-variável para capturar padrões de amostragem irregulares e relações entre variáveis, além de uma codificação de decaimento temporal específica de nó para a irregularidade de decaimento das variáveis.

Graph Neural Networks machine learning medical AI irregular data

DOCDEV.to AI·12d atrás

Recurrent Neural Networks for Time Series Forecasting

Redes Neurais Recorrentes são exploradas para a previsão de séries temporais, destacando sua capacidade de modelar sequências de dados. Este conteúdo detalha como essas arquiteturas funcionam e suas aplicações práticas no campo da inteligência artificial.

neural networks forecasting deep learning machine learning

RESEARCHarXiv CS.LG·04/05/2026

Soft-MSM: Differentiable Context-Aware Elastic Alignment for Time Series

Esta pesquisa apresenta o Soft-MSM, uma nova perda de alinhamento elástico diferenciável para séries temporais, baseada na distância Move-Split-Merge (MSM). O Soft-MSM supera a limitação do Soft-DTW ao incorporar custos de transição sensíveis ao contexto, tornando-o adequado para otimização baseada em gradiente em tarefas de aprendizado de máquina como classificação e agrupamento.

elastic alignment machine learning Soft-MSM dynamic time warping

RESEARCHarXiv CS.LG·28d atrás

TTCD:Transformer Integrated Temporal Causal Discovery from Non-Stationary Time Series Data

O Framework TTCD (Transformer Integrated Temporal Causal Discovery) é uma abordagem inovadora de ponta a ponta para aprender relações causais contemporâneas e defasadas a partir de dados complexos de séries temporais não estacionárias. Este método supera as limitações das técnicas existentes, integrando atenção temporal e no domínio da frequência, oferecendo uma solução unificada para cenários desafiadores do mundo real.

Causal Discovery machine learning non-stationary data Time Series

RESEARCHarXiv CS.LG·8d atrás

Unicorn: Scaling High-Dimensional Time Series Forecasting via Universal Correlation Modeling

Unicorn é um novo framework para previsão de séries temporais de alta dimensão escalável, superando as limitações dos modelos existentes ao aprender padrões de correlação universais. Ele utiliza um livro de códigos de protótipos latentes, superando significativamente arquiteturas de ponta em cenários de transferência few-shot.

forecasting pretraining deep learning machine learning

RESEARCHarXiv CS.LG·14d atrás

Algometrics: Forecasting Under Algorithmic Feedback

Este artigo introduz a algometria, uma estrutura para séries temporais cuja evolução depende de algoritmos preditivos. Ele distingue o risco histórico do risco de implantação, provando que o risco de implantação não é identificável apenas a partir de dados históricos passivos e que as classificações de modelos históricos podem se inverter sob o congestionamento.

forecasting feedback loops algorithmic markets predictive models

RESEARCHDEV.to AI·28d atrás

Deep Time Series Models: A Comprehensive Survey and Benchmark

Este artigo apresenta uma pesquisa e benchmark abrangentes de modelos de deep learning aplicados a dados de séries temporais. Ele revisa sistematicamente várias arquiteturas e seu desempenho em diferentes tarefas e conjuntos de dados.

Survey deep learning machine learning Benchmarking

DOCKDNuggets·26d atrás

Time-Series Feature Engineering with Python Itertools

Aprenda a utilizar o itertools do Python para construir características de séries temporais eficientes e escaláveis. Este guia oferece métodos práticos para engenharia de features em dados temporais.

itertools Feature Engineering learning Python

Time-Series Feature Engineering with Python Itertools

ARTICLEDEV.to AI·11/04/2026

Comparison of different Methods for Univariate Time Series Imputation in R

Este artigo compara diferentes métodos para imputação de séries temporais univariadas, analisando suas abordagens e eficácia para lidar com dados ausentes na linguagem R.

machine learning data preprocessing R Imputation