Logo
Project Icon

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。

GithubGithub论文论文
介绍相关项目
Merlion - 全面的时间序列智能分析库
GithubMerlion开源项目异常检测时间序列机器学习预测
Merlion是一个功能丰富的Python时间序列分析库,集成了预测、异常检测和变点检测等多项能力。它支持单变量和多变量时间序列,提供标准化数据处理、多种算法模型、自动调参、外部变量支持等特性。Merlion还包含实用的后处理规则和灵活的评估流程,可帮助快速开发和基准测试时间序列模型。
emlearn - 微控制器与嵌入式系统的便携机器学习工具
GithubMicroPythonScikit-learnemlearn嵌入式系统开源项目机器学习
emlearn是一款为微控制器和嵌入式系统设计的便携高效的机器学习工具。通过Python训练模型后，可生成C99代码用于设备推断。支持包括AVR Atmega、ESP8266、ARM Cortex M等多个平台，无需动态分配或libc依赖，可直接与Python整合，通过scikit-learn或Keras训练并生成可嵌入C语言代码。
nolitsa - 全面的Python非线性时间序列分析库
GithubLyapunov指数NoLiTSAPython模块嵌入维度估计开源项目非线性时间序列分析
NoLiTSA是一个开源Python模块，专门用于非线性时间序列分析。它实现了多种标准算法，如嵌入延迟估计、维度估计、相关维数计算和最大Lyapunov指数估计。模块支持FT、AAFT和IAAFT替代数据生成，并提供噪声减少功能。NoLiTSA适用于复杂的时间序列分析任务，已在天体物理学和流体动力学研究中应用，为科研人员提供了可靠的分析工具。
Awesome-GNN4TS - 时间序列分析中图神经网络的研究进展与应用
GNNGithub图神经网络开源项目时间序列分析机器学习深度学习
本项目汇集图神经网络(GNN)在时间序列分析领域的研究进展和资源,涵盖预测、分类、异常检测和插值等任务。内容包括相关论文、数据集和应用概述,以及面向任务和模型的GNN4TS分类方法,为该领域研究和应用提供参考。
time-series-transformers-review - 时序数据建模中的Transformers技术综述
GithubTransformers分类开源项目异常检测时间序列预测
本项目专业整理了Transformers在时序数据建模中的资源，涵盖论文、代码和数据，全面总结其最新进展。内容持续更新，开放问题提交和拉取请求，覆盖时序预测、不规则时序建模、异常检测和分类等领域，适合学术研究及实际应用。
UniTS - 统一时间序列模型实现多领域任务处理
GithubUniTS多任务学习开源项目时间序列模型迁移学习零样本学习
UniTS是一种统一的时间序列模型，可处理多领域的分类、预测、插补和异常检测任务。该模型使用共享参数方法，无需任务特定模块，在38个多领域数据集上表现优异。UniTS具有零样本、少样本和提示学习能力，能适应新的数据领域和任务。其创新的统一网络主干融合了序列和变量注意力机制以及动态线性运算符，为时间序列分析提供了灵活的解决方案。
Auto_TS - 自动构建和选择多种时间序列模型的高效工具
Auto_TSGithubProphet开源项目时间序列模型自动化机器学习预测
Auto_TS是一个时间序列自动建模工具，支持ARIMA、SARIMAX、VAR、分解模型和机器学习模型等多种技术。它能自动构建和选择最佳模型，适用于不同频率的数据，并提供灵活的参数设置。Auto_TS支持交叉验证和预测功能，简化了建模过程，提高了效率。该工具适合数据分析人员使用，可通过简单的代码实现复杂的时间序列建模任务。
ttt-lm-pytorch - 基于测试时训练的高表达能力RNN模型
GithubRNNTTT序列建模开源项目机器学习隐藏状态
ttt-lm-pytorch项目提出了一种新型序列建模层，结合了RNN的线性复杂度和高表达能力的隐藏状态。该方法将隐藏状态设计为机器学习模型，通过自监督学习在测试阶段持续更新，因此被称为测试时训练（TTT）层。项目实现了TTT-Linear和TTT-MLP两种变体，分别采用线性模型和双层MLP作为隐藏状态，为长序列建模提供了高效替代方案。
TFB - 时间序列预测评估框架
GithubTFB基准测试开源库开源项目时序预测评估框架
TFB是一个为时间序列预测研究设计的开源库。它提供清晰的代码库，支持对预测模型进行端到端评估，并通过多种策略和指标比较模型性能。TFB特点包括多样化数据集、全面基线模型、灵活评估策略和丰富评估指标。研究人员可利用TFB开发新方法或评估自有时间序列数据。
MEDIUM_NoteBook - 改进时间序列预测与机器学习技术的全面指南
GithubGradient BoostingMLOps开源项目数据科学时间序列预测机器学习
该存储库收录了作者在MEDIUM平台发布的时间序列预测及各种机器学习方法的笔记。内容包含从梯度提升和生存分析模型到使用Keras进行异常检测和特征选择等多个主题。每篇文章提供详细的实现代码，适用于数据科学家和机器学习工程师参考和学习。
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