包含"时间序列"标签的文章
-
如何改良基于Basis的时间序列预测模型
今天介绍一篇NIPS2023中上海交大和蚂蚁集团联合发表的时间序列预测文章,基于basis的时间序列建模,目前代码已经开源,论文的详细信息如下,论文标题,BasisFormer,Attention,basedTimeSeriesForecastingwithLearnableandInterpret...
-
2024最新时间序列预测Benchmark TFB
今天给大家介绍一篇VLDB2024中时间序列预测Benchmark的工作,文章由华东师范大学,华为云,奥尔堡大学联合发布,该论文提出了TFB,时间序列预测基准测试,,这是一个新颖的自动化基准测试框架,旨在通过包含来自十个不同领域的数据集,并提供一个灵活、可扩展且一致的评估流程,对包括统计学习、机器学...
-
一文汇总时序预测新思路
在最近的时间序列预测研究工作中,有一类工作将图学习和时间序列结合了起来,从图学习的视角理解时间序列预测,这类工作中,一种是用图学习建模多变量间的关系,解决多元时序预测问题;另一种是直接把时间序列中的各个时间步看成图中的一个节点,用图学习建模时间步之间的依赖关系,这篇文章汇总了近期4篇图学习视角解决时...
-
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...
-
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...
-
TSLANet 时间序列模型的新构思
时间序列数据具有内在的长程和短程依赖性,对分析应用提出了独特的挑战,虽然基于Transformer的模型擅长捕获长程依赖关系,但它们在噪声灵敏度、计算效率和与较小数据集的过度拟合方面存在局限性,本次的研究人员引入了一种新颖的时间序列轻量级自适应网络,TSLANet,,作为各种时间序列任务的通用卷积模...
-
一文总结扩散模型 Diffusion 在时间序列中的应用 Model
扩散模型是目前生成式AI中的最核心模块,在Sora、DALL,E、Imagen等生成式AI大模型中都取得了广泛的应用,与此同时,扩散模型也被越来越多的应用到了时间序列中,这篇文章给大家介绍了扩散模型的基本思路,以及几篇扩散模型用于时间序列的典型工作,带你理解扩散模型在时间序列中的应用原理,扩散模型建...
-
FoundTS 时间序列预测基础模型的全面统一测评基准
今天给大家介绍一篇华东师范大学联合丹麦奥尔堡大学和松鼠AI发布的时间序列模型统一评测基准FoundTS,这是一个针对时间序列预测基础模型的基准测评框架,旨在利用不同领域和特征的数据集对不同的时间序列预测基础模型进行全面、公平的测评,该论文在统一评测结果的基础上,分析了现有时序预测基础模型的优缺点,并...