#TSFM

14 статьи
arXiv Machine Learning
arXiv Machine Learning

Прогнозирующие ассоциации, но не вмешательство: предрегистрированная каузальная ревизия моделей ковариата-программного времени

arXiv: 261 030,31869v 1 Annuales Type: новый резюме: Ковариатно-показательные модели временных рядов (TSFM) принимают будущий путь для контрольной переменной и возвращают прогноз с приглашением вопрос...

arXiv Machine Learning
3
Читать
arXiv Machine Learning
arXiv Machine Learning

Модели выявления финансовых преступлений

arXiv: 261 020.29667v1 Вид уведомления: новое резюме: обнаружение финансовых преступлений требует выявления незаконной деятельности в рамках крупных сетей операций, где подозрительное поведение встреч...

arXiv Machine Learning
6
Читать
arXiv Machine Learning
arXiv Machine Learning

От возврата к признанию: усовершенствованные после обучения модели для классификации

arXiv:2610.261114v1 Тип уведомления: новое резюме: модели временны́х рядов (TSFM) добились заметного прогресса в решении задач классификации за счет широкомасштабной предварительной подготовки. Однако...

arXiv Machine Learning
4
Читать
arXiv Machine Learning
arXiv Machine Learning

СТРИД: Подготовка по вопросам обоснования для прогнозирования временных рядов

arXiv: 2605.08625v2 Annuates Type: заменить резюме: модели временны́х рядов (TSFM) с успехом в цифровом прогнозировании, но работать как чёрные коробки без качественного обоснования. И наоборот, приме...

arXiv Machine Learning
5
Читать
arXiv Machine Learning
arXiv Machine Learning

Модели прогнозирования цен на электроэнергию: риск загрязнения, изменения распределения и зависимость от ковариантов

arXiv: 2607.02623v2 Annualce Type: заменить резюме: модели временны́х рядов (TSFM) показали высокую эффективность нулевого прогноза, но их обобщение в ковариатных и нестационарных конфигурациях недост...

arXiv Machine Learning
3
Читать
arXiv Statistics
arXiv Statistics

Слатентное руководство по результатам-время для моделей временны х рядов

arXiv: 26009.38058v1 Annualce Type: новый резюме: модели временны́х рядов (TSFM) в настоящее время дают самые современные результаты при выполнении задач прогнозирования. Они доступны вне поля зрения ...

arXiv Statistics
3
Читать
arXiv Machine Learning
arXiv Machine Learning

SIFT: Совершенствование моделей серии временн*х рядов с помощью семантической инвариационной системы и структурной фидельности

arXiv: 26009,32676v1 Annualce Type: новый резюме: модели временны́х рядов (TSFM) достигли замечательных результатов в нулевом диапазоне благодаря интенсивной предварительной подготовке массивных време...

arXiv Machine Learning
3
Читать
arXiv Statistics
arXiv Statistics

Модели сельскохозяйственного прогнозирования в рамках Фонда " Обещание времени-сервиса: данные, полученные с помощью цен на сырьевые товары &qt;

arXiv: 2601.06371v3 Тип уведомления: заменить перекрестное резюме: прогнозирование сельскохозяйственных рынков по-прежнему сопряжено с трудностями изза нелинейной динамики, структурных разрывов и огра...

arXiv Statistics
2
Читать
arXiv AI
arXiv AI

Оценка точности и вероятностной надежности моделей, используемых в серии " нулевое время-выстрел &qt;

arXiv: 2609.25788v1 Annuate Type: кросс-бюллетень: модели временны́х рядов (TSFM) обещают сменить парадигму на нулевое прогнозирование путем отказа от подготовки по конкретным задачам. Однако в сущест...

arXiv AI
2
Читать
arXiv Computer Vision
arXiv Computer Vision

Отключить предварительно подготовленные трансформаторы зрения для классификации временных рядов

arXiv: 2506,08641v3 Annuse Type: заменить перекрестное резюме. Адаптация моделей зрения для анализа временных рядов является настоятельной, однако все существующие подходы не соответствуют специальным...

arXiv Computer Vision
2
Читать
arXiv Machine Learning
arXiv Machine Learning

Послеучебные занятия по основным моделям временны х рядов: единая рамочная основа

arXiv:2607.20002v3 Annualce Type: заменить резюме: модели временны́х рядов (TSFM) появились в качестве моделей общего назначения для анализа временных рядов, однако одной предварительной подготовки за...

arXiv Machine Learning
2
Читать
arXiv Machine Learning
arXiv Machine Learning

Дистилляция моделей синтетических данных для модели временных рядов

arXiv:2609.09586v1 Анонс Тип: перекрестное резюме: модели временны́х рядов (TSFM) все чаще проходят предварительную подготовку по синтетически генерируемым траекториям временных рядов, где известен пр...

arXiv Machine Learning
2
Читать
arXiv Statistics
arXiv Statistics

Универсальные излишки в базовых моделях временных рядов

arXiv: 2602.01605v2 Annuate Type: заменить перекрестное резюме: модели временны́х рядов (TSFM) используют обширную предварительную подготовку для точного прогнозирования невидимых временных рядов во в...

arXiv Statistics
3
Читать
arXiv Machine Learning
arXiv Machine Learning

msData: набор сетевых данных Millisecond-Resolution для продвижения моделей фонда временных рядов

arXiv:2603.16497v3 Аннотация Тип: замена Абстракт: модели основания временных рядов (TSFM) требуют разнообразных наборов данных в реальном мире для адаптации к различным доменам и временным частотам. ...

arXiv Machine Learning
3
Читать