包含"通义千问"标签的文章
-
Law 新一代轻量级ControlNeXt火了 贾佳亚团队正挑战Scaling 视频生成控制提升几十倍
最近,又一款国产AI神器吸引了众网友和圈内研究人员的关注!它就是全新的图像和视频生成控制工具——ControlNeXt,由思谋科技创始人、港科大讲座教授贾佳亚团队开发,X平台上知名AI博主,AK,推荐从命名来看,ControlNeXt,致敬,了斯坦福大学研究团队在2023年2月提出的ControlN...
-
文本增强实现统一跨域时间序列预测 WWW24
今天给大家介绍一篇WWW2024中,由于新嘉博国立大学和香港科技大学联合发表的多模态时间序列预测模型UniTime,通过文本信息实现统一跨域时间序列预测,论文标题,UniTime,ALanguage,EmpoweredUnifiedModelforCross,DomainTimeSeriesFore...
-
使用Transformer来进行时序预测可还行
大语言模型的成功充分证明了Transformer架构的先进性,越来越多的人希望把它应用到其它领域,而非NLP领域本身,因而也催生了以一套Transformer架构统一各种模态的研究热点,而在工业界有一个非常常见的场景却鲜有涉及,那就是结构化数据的时序预测类场景,通常认为这种方式利用统计和经典回归类模...
-
结合In 清华大学NeurIPS24 时序大模型AutoTimes
今天给大家介绍一篇清华大学发表于NIPS2024中的大模型时间序列预测工作AutoTimes,使用大模型进行自回归形式的时间序列预测,并结合In,ContextLearning提升预测效果,论文标题,AutoTimes,AutoregressiveTimeSeriesForecastersviaLa...
-
高维多变量下的Transformer时序预测建模方法
今天给大家介绍一篇CIKM2024中的时间序列预测工作,这篇文章针对高维多变量时序预测问题,提出了一种基于Transformer的建模方法,论文标题,ScalableTransformerforHighDimensionalMultivariateTimeSeriesForecasting下载地址,...
-
一文梳理Transformer在时间序列预测中的发展历程代表工作
Transformer的序列建模能力,让其天然就比较适合时间序列这种也是序列类型的数据结构,但是,时间序列相比文本序列也有很多特点,例如时间序列具有自相关性或周期性、时间序列的预测经常涉及到周期非常长的序列预测任务等,这些都给Transformer在时间序列预测场景中的应用带来了新的挑战,也使业内出...
-
多变量当辅助序列提升多元时序预测效果 近期研究趋势
在多元时间序列预测中,如何建模多变量之间的关系一直是研究热点,过去一年最火的研究方向之一就是多元时间序列应该采用channeldependent,多变量联合建模,还是channelindependent,多变量独立建模,,以及channeldependent的各种改进方法,近期,一种新的探索多变量建...
-
时序预测Decoder中的时间步依赖问题
今天跟大家聊聊一个近期相对冷门的研究点,Decoder中的预测时间步依赖问题,目前主流的时间序列预测模型,Decoder一般采用一个简单的MLP网络,输入Encoder的表征,映射到预测结果,但是,这种建模方法并没有考虑到各个预测时间步之间的关系,可能导致在预测阶段不满足时间序列的平滑性,在更早的深...
-
时间序列预测近期核心研究点总结
时间序列领域最近几年的变化非常大,在2018年左右,RNN这类模型才刚在时间序列上应用,而目前已经基本和NLP、CV等领域对齐了,随着深度学习在时间序列预测领域研究的深入,最近一年也出现了很多新的时间序列预测研究方向,这篇文章就给大家汇总一下最近比较热门的时间序列研究点,很多同学都感觉现在各种公众号...
-
时序预测中的多类型模型组合建模方案
时间序列建模中很多种类型的结构可以选择,比如Transformer、CNN、RNN,以及最近被验证有效的MLP、Mamba等结构,然而,不同模型都有特定的潜在优势和劣势,因此,现在越来越多的时序预测模型优化工作,采用了多模型组合的建模方式,今天这篇文章,就给大家介绍一下多模型组合建模的核心思路,以及...
-
完全在频域学习的时序预测模块 提升各类SOTA模型效果
今天给大家介绍一篇浙大、中南、南洋理工、上交、北大等多所高校联合提出的一种时间序列预测建模方法,针对目前时序预测直接预测方法没有考虑到预测各个时间步关系的问题,提出了在频域中进行预测的方法,可适配到各类时序SOTA模型中,取得了长短周期时序预测的效果提升,论文标题,FREDF,LEARNINGTOF...
-
时序预测中的多频率建模方法 一文汇总
频率是时间序列的一个重要信息,给定一个时间序列,可以通过按照不同频率的聚合,获得不同粒度的时间序列,比如,给定的原始时间序列是以小时为粒度的,那么通过将24个点加和成1个点,就可以形成以天为粒度的时间序列数据,不同的粒度,包含的信息也不同,粒度越细,越能体现时间序列的局部特征,同时噪声也更大;粒度越...
-
预训练大语言模型对时间序列预测真的有用吗 去掉预训练LLM效果反而提升
今天给大家介绍一篇关于大模型在时间序列应用探讨的工作,这篇文章质疑大语言模型在时间序列预测中是否有效,并对目前最先进的3个基于大语言模型的时间序列预测模型进行实验,发现去掉大语言模型部分,改成一个attention网络,也能取得相同甚至更优的效果,论文标题,AreLanguageModelsActu...
-
用这5个方法实现 ChatGPT接入微信
大家好,我是橙哥!ChatGPT作为目前最强大的对话机器人,可以处理各种复杂的任务,已经成为不少人的好帮手,将ChatGPT接入微信,可以为提供更加智能和方便的聊天体验,本文将介绍五种将ChatGPT接入微信的方法,并对相关的GitHub项目进行分类说明和整理,不过在这里我要说明的是,接入个人微信会...
-
超越GPT4的Agent 我用代码实现了!
Agent开发的四种设计模式在吴恩达教授的演讲中,他提到了四种可以显著提升AI智能体性能的设计模式,反思,Reflection,的深度解析在吴恩达教授提出的AI智能体工作流中,反思,Reflection,是一个关键的概念,它指的是智能体在完成任务后,能够自我审视其产出,并主动寻找潜在的改进空间,这种...