CEEMDAN_LSTM

CEEMDAN与LSTM结合的时序预测模型

CEEMDAN_LSTM 时间序列预测神经网络数据分解金融预测 Github 开源项目

CEEMDAN_LSTM是一个Python模块，结合完整集成经验模态分解(CEEMDAN)和长短期记忆(LSTM)神经网络进行时序预测。该项目提供多种预测方法和评估工具，支持灵活的参数设置，适用于金融等领域的复杂时序数据分析。它简化了分解集成预测的实现过程，有助于研究人员和数据分析师快速构建和优化预测模型。CEEMDAN_LSTM支持多种预测方法，包括单一、集成、分别和混合预测等。它还提供了统计测试、热图绘制和DM测试等模型评估工具，有助于全面分析预测结果。

Github

介绍相关项目

flow-forecast - 开源时间序列深度学习框架，支持最新模型和云端集成

Flow ForecastGithubtransformer开源开源项目时间序列预测深度学习

Flow Forecast 是一个开源时间序列预测深度学习框架，提供最新的Transformer、注意力模型、GRU等技术，并具有易于理解的解释指标、云集成和模型服务功能。该框架是首个支持Transformer模型的时间序列框架，适用于流量预测、分类和异常检测。

pytorch-forecasting - 前沿的时间序列预测工具包，提供灵活的高层API

GithubPyTorch ForecastingPyTorch Lightning开源项目时间序列预测深度学习神经网络

PyTorch Forecasting 是一个基于 PyTorch 的时间序列预测包，适用于实际应用和研究。它支持多种神经网络架构及自动日志记录，利用 PyTorch Lightning 实现多 GPU/CPU 的扩展训练，并内置模型解释功能。关键特性包括时间序列数据集类、基本模型类、增强的神经网络架构、多视角时间序列指标和超参数优化。安装简便，支持 pip 和 conda，文档详尽，并包含模型比较和使用案例。

Time-Series-Forecasting-and-Deep-Learning - 时间序列预测与深度学习研究资源集锦

GithubMambaTransformer开源项目时间序列预测深度学习神经网络

本项目汇总了时间序列预测和深度学习领域的研究论文、竞赛、数据集和代码等资源。内容涵盖2017年至2024年的研究成果，包括Transformer和Mamba等模型的创新应用。同时提供实例、博客和教程，为时间序列分析与预测研究提供全面参考。

keras-tcn - 强化长记忆能力的时序卷积网络

GRUGithubKeras TCNLSTMTemporal Convolutional NetworkTensorFlow开源项目

该项目介绍了时序卷积网络（TCN）如何在长时间序列数据中替代LSTM/GRU并表现出更优异的性能。TCN提供更长的记忆能力、更稳定的梯度，同时支持并行处理和灵活的感受野。这些特性在人脸识别、添加任务、复制记忆任务和语言模型等任务中表现突出。用户可以通过本项目配置和运行TCN模型，探索其在不同任务中的应用潜力。

traffic_prediction - 交通预测模型与数据集综合评估

GithubPeMS数据集交通预测图神经网络开源项目时间序列深度学习

这个项目对交通预测领域的多种模型和数据集进行了系统的比较分析。它汇总了近期发表的相关论文,详细介绍了METR-LA、PeMS-BAY等常用公开数据集。项目提供了各模型在主要数据集上的性能对比图表,并探讨了实验设置的差异。同时,它还整理了可公开获取的数据集及其来源信息,为交通预测研究提供了有价值的参考资料。

moment - 时间序列分析基础模型多任务多领域应用

GithubMOMENT基础模型多任务开源项目时间序列预训练

MOMENT是一个开源的时间序列分析基础模型家族，为多任务、多数据集和多领域应用而设计。该模型在大规模时间序列数据上预训练，可处理预测、分类、异常检测和插补等任务。MOMENT能捕捉时间序列的内在特征，学习有意义的数据表示，在少量标记数据的情况下也表现出色。项目提供预训练模型、教程和研究代码，为时间序列分析提供了实用工具。

liquid_time_constant_networks - Liquid Time-Constant Networks （LTC）的代码库

BPTTGithubLiquid time-constant NetworksTensorFlowcontinuous-time modelspython3开源项目

本项目提供了Liquid time-constant Networks等连续时间模型的官方训练资源。支持使用TensorFlow和Python进行模型训练与评估，适用于手势分割、房间占用检测、交通量预测等多种数据集。通过详细的步骤和参数设置指导，科研人员和开发者可以优化并存储训练结果，深入探索连续时间模型的应用。

hierarchicalforecast - Python层级预测库整合统计与计量经济学方法

GithubPython库层次化预测开源项目数据一致性时间序列预测预测方法

HierarchicalForecast是一个Python库，提供多种层级预测协调方法，如BottomUp、TopDown等，并支持概率一致性预测。该框架集成公开数据集、评估指标和统计基线，旨在为行业和学术界提供可靠的层级预测基准，促进时间序列领域的统计建模和机器学习融合。它为开发新的层级预测算法提供了有力工具，有助于推动相关研究和应用的发展。

awesome-time-series - 时间序列预测与分析的全面资源汇总

GithubTransformer图神经网络开源项目异常检测时间序列预测深度学习

本项目汇集了时间序列预测领域的最新论文、代码和相关资源。内容涵盖M4竞赛、Kaggle时间序列竞赛、学术研究、理论基础、实践工具和数据集等。为研究人员和从业者提供全面的参考资料，促进时间序列预测技术的深入研究与应用。

HyperTS - 全面的时间序列分析工具包支持多任务和多模式分析

GithubHyperTS开源项目异常检测时间序列分析自动机器学习预测

HyperTS是一款全面的时间序列分析工具包，集成了统计模型、深度学习和神经架构搜索。它支持预测、分类、回归和异常检测等多种任务，适用于复杂的时间序列分析场景。该工具包提供多变量和协变量支持，概率区间预测，以及丰富的预处理、评估指标和搜索策略。HyperTS简单易用，为时间序列分析提供了端到端的自动化解决方案。

相关项目

项目侧边栏1

项目侧边栏2

推荐项目

Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com

@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号