EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC-ND 4.0

Forecasting Without Fine-Tuning: Zero-Shot Foundation Models vs. Traditional Approaches

Sina Mirsahi, Taha Falatouri, Patrick Brandtner, Mehran Nasseri, Zuzana Kominkova Oplatkova

Procedia Computer Science · 2026 · 277 · 1289-1295

DOI: 10.1016/j.procs.2026.02.168 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Procedia Computer Science, 2026. Verfasst von Sina Mirsahi und 4 weiteren Autor:innen. Die Arbeit nennt 19 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-ND 4.0). Gefördert von: Christian Doppler Research Association.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Kein Abstract verfügbar.

Förderung

  • Christian Doppler Research Association

Zitieren

APA

Mirsahi, S., Falatouri, T., Brandtner, P., Nasseri, M., & Oplatkova, Z. K. (2026). Forecasting Without Fine-Tuning: Zero-Shot Foundation Models vs. Traditional Approaches. Procedia Computer Science, 277, 1289-1295. https://doi.org/10.1016/j.procs.2026.02.168

Vancouver

Mirsahi S, Falatouri T, Brandtner P, Nasseri M, Oplatkova ZK. Forecasting Without Fine-Tuning: Zero-Shot Foundation Models vs. Traditional Approaches. Procedia Computer Science. 2026;277:1289-1295. doi:10.1016/j.procs.2026.02.168

BibTeX
@article{Mirsahi2026,
  author = {Mirsahi, Sina and Falatouri, Taha and Brandtner, Patrick and Nasseri, Mehran and Oplatkova, Zuzana Kominkova},
  title = {Forecasting Without Fine-Tuning: Zero-Shot Foundation Models vs. Traditional Approaches},
  journal = {Procedia Computer Science},
  year = {2026},
  volume = {277},
  pages = {1289--1295},
  doi = {10.1016/j.procs.2026.02.168}
}
Kostenlos starten →