Project Icon

Time-series-classification-and-clustering-with-Reservoir-Computing

基于储层计算的时间序列分析框架

这个开源项目利用储层计算技术,实现了时间序列数据的分类、聚类和预测功能。它支持处理单变量和多变量时间序列,并提供了易用的Python库。项目包含多个功能模块、丰富的数据集和高级示例。其特有的储层模型空间表示方法在处理复杂时间序列任务时表现出色。

river - 实时流数据处理的在线机器学习Python库
GithubPython库River在线机器学习开源项目流数据算法
River是一个专注于在线机器学习的Python库,为处理流数据提供用户友好的工具。它实现了多种算法,包括线性模型、决策树和异常检测,支持实时学习和预测。该库适用于需要持续学习、应对概念漂移或开发接近生产环境模型的场景。River注重清晰度和用户体验,单样本处理速度快,并与Python生态系统无缝集成。
skforecast - 高效的Python时间序列预测库
GithubPython库scikit-learnskforecast开源项目时间序列预测机器学习
skforecast是一个专门用于时间序列预测的Python库,兼容scikit-learn API的各种回归器。它提供了全面的工具集用于训练、验证和预测,支持单序列和多序列、递归和直接策略等多种预测场景。该库注重快速原型设计、可靠模型评估和生产部署,适用于各类时间序列预测任务。
PaddleTS - 基于飞桨的开源时序分析库 提供全面深度学习模型
GithubPaddlePaddlePaddleTSPython库开源项目时序建模深度学习
PaddleTS是基于飞桨框架的时序建模库,专注深度学习模型。它提供统一数据结构和基础功能封装,内置多种先进模型和数据转换工具。支持自动调优、第三方集成、GPU加速和集成学习。涵盖预测、表征、异常检测等任务,为时序分析提供全面解决方案。
CEEMDAN_LSTM - CEEMDAN与LSTM结合的时序预测模型
CEEMDAN_LSTMGithub开源项目数据分解时间序列预测神经网络金融预测
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。
timesfm - 谷歌研究院开发的时间序列预测基础模型
GithubTimesFM基础模型开源项目时间序列预测深度学习
TimesFM是谷歌研究院开发的时间序列预测基础模型,支持多种时间频率的单变量预测。模型可处理最长512个时间点的上下文和任意长度的预测范围,提供简单的API接口支持数组和pandas输入。通过外部回归器库,TimesFM能处理静态和动态协变量。此外,该模型支持微调功能,允许用户在自有数据上优化性能。
TS-TCC - 创新的时间序列无监督表示学习方法
GithubIJCAI对比学习开源项目时间序列自监督学习表示学习
TS-TCC是一种无监督时间序列表示学习框架,利用时间和上下文对比从未标记数据中学习表示。该方法在多个真实数据集上表现优异,适用于少量标记数据和迁移学习场景。TS-TCC还扩展到半监督设置(CA-TCC),相关研究发表于IEEE TPAMI。这一方法为时间序列分析提供了有效的表示学习工具,推动了该领域的发展。
Awesome-SSL4TS - 自监督学习在时间序列分析中的应用资源
Github对比学习开源项目时间序列生成式方法自监督学习表示学习
这个项目汇总了时间序列数据自监督学习的最新研究资源,包括相关论文、代码和数据集。资源分为生成式和对比式两大类方法,涵盖了自回归预测、自编码重构、扩散模型生成、采样对比、预测对比和增强对比等技术。该资源列表为时间序列自监督学习研究提供了全面的参考材料。
neuralforecast - 先进的神经网络时间序列预测模型库
GithubNeuralForecast开源项目时间序列机器学习深度学习预测模型
NeuralForecast 提供 30 多种先进的神经网络模型,提升时间序列预测的准确性和效率。支持外生变量和静态协变量,并具备自动超参数优化和可解释性方法。通过 sklearn 语法 `.fit` 和 `.predict` 实现快速训练和预测,包含 NBEATSx 和 NHITS 等最新实现,并与 Ray 和 Optuna 集成,适用于多种应用场景。
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。
BasicTS - 公平且标准的时间序列预测基准和工具包
BasicTSGithub基准测试工具包开源项目时间序列预测深度学习
BasicTS是一个开源的时间序列预测基准和工具包,支持空间-时间预测和长时间序列预测等任务。它提供统一标准的评估流程,实现对主流深度学习模型的公平对比。BasicTS还提供易用的接口,便于设计和评估新模型。该项目内置多个数据集和基线模型,支持多种计算设备,并有完善的日志系统。BasicTS致力于推动时间序列预测研究的发展。
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。

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