Project Icon

moirai-1.0-R-large

基于Transformer的通用多变量时序预测模型

Moirai-1.0-R-large是一个基于Masked Encoder的时序预测Transformer模型,通过LOTSA数据集预训练而成。模型采用补丁嵌入和Transformer架构设计,支持多变量时序数据处理和动态协变量预测。用户可通过uni2ts库实现模型部署,拥有3.11亿参数的模型规模使其成为Moirai系列中参数量最大的版本。

iTransformer - 先进的时间序列预测模型,打造SOTA性能
GithubiTransformer人工智能开源项目时间序列预测注意力网络深度学习
iTransformer是一种基于注意力机制的时间序列预测模型,由清华大学和蚂蚁集团研究人员开发。该模型采用倒置Transformer结构,支持多变量和多步长预测。iTransformer引入了可逆实例归一化等技术,旨在提高预测准确性和处理长序列数据的能力。这个开源项目为时间序列分析提供了新的研究方向。项目提供Python实现,支持使用PyTorch框架。用户可通过pip安装并轻松集成到现有的时间序列分析工作流程中。该项目还包括实验性功能,如二维注意力和傅里叶变换增强版本,为研究人员提供了探索和改进的空间。
uni2ts - 时间序列预测Transformer模型的统一训练框架
GithubPyTorchTransformerUni2TS开源项目时间序列预测预训练模型
Uni2TS是一个基于PyTorch的开源库,专门用于时间序列Transformer的研究和应用。它提供了统一的大规模预训练解决方案,支持微调、推理和评估。该库集成了零样本预测、自定义数据集处理和全面评估功能,并提供简化的命令行界面。Uni2TS旨在推动时间序列预测领域的进展,适用于研究和实际应用场景。
Nonstationary_Transformers - 创新时间序列预测方法应对非平稳数据
GithubNon-stationary Transformers开源项目时间序列预测模型架构注意力机制深度学习
Non-stationary Transformers项目开发了新型时间序列预测方法,采用系列平稳化和去平稳注意力机制处理非平稳数据。该方法在多个基准数据集上展现出优异性能,并能有效提升现有注意力模型的预测效果。项目开源了完整代码和实验脚本,为时间序列预测研究和应用提供了重要参考。
autoformer-tourism-monthly - 基于分解架构的长期时间序列智能预测模型
AutoformerGithubHuggingface分解架构开源项目时间序列预测模型自相关机制长期预测
Autoformer是一个面向长期时间序列预测的开源模型,通过分解架构和自相关机制突破传统Transformer模型的限制。在能源、交通、经济、天气和疾病五大领域的基准测试中,预测精度提升38%,可应用于极端天气预警和能源消耗规划等长期预测场景。
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。
Transformers_And_LLM_Are_What_You_Dont_Need - 分析深度学习模型在时间序列预测中的表现与局限
GithubMambaTransformers开源项目时间序列预测深度学习线性模型
本项目汇集大量研究论文和文章,深入分析变压器和大语言模型在时间序列预测中的表现及局限性。探讨这些深度学习模型处理时间序列数据的挑战,并介绍更适合的替代方法。为时间序列预测领域的研究和应用提供全面的参考资源。
MEGABYTE-pytorch - 多尺度Transformer模型实现百万字节序列预测
AI模型GithubMEGABYTEPytorchTransformer开源项目深度学习
MEGABYTE-pytorch是一个基于PyTorch实现的多尺度Transformer模型,专门用于预测百万字节长度的序列。该项目具有灵活的配置选项,支持多个本地模型,并整合了Flash Attention等先进技术。MEGABYTE-pytorch通过简洁的API接口实现长序列处理、模型训练和文本生成。此外,项目提供了基于enwik8数据集的训练示例,为开发者提供了实用参考。
Autoformer - 具有自相关性的分解变压器,用于长期序列预测
AutoformerGithubTransformer开源项目时间序列预测自动相关机制长期预测
Autoformer是一种长时间序列预测的通用模型,采用分解变压器和自动相关机制,实现38%的预测精度提升,覆盖能源、交通、经济、天气和疾病等应用领域。最近,该模型已被纳入Hugging Face和Time-Series-Library,并在2022年冬奥会中用于天气预报。Autoformer不同于传统Transformer,不需位置嵌入,具备内在的对数线性复杂度,易于实现和复现。
granite-timeseries-ttm-r2 - IBM开源轻量级模型TTM引领时间序列预测新方向
GithubHuggingfaceTinyTimeMixers多变量预测开源项目时间序列预测模型零样本学习预训练模型
IBM Research开源的TinyTimeMixers (TTM)模型仅需1M参数,就能在多变量时间序列预测中超越数十亿参数的基准。TTM支持零样本预测,也可用少量数据微调达到竞争性能。适用于分钟至小时级别的点预测,轻量快速,单GPU或笔记本即可运行。TTM为时间序列预测带来新方向,尤其适合资源受限环境。
chronos-t5-small - T5架构预训练时间序列模型 实现概率性多轨迹预测
Chronos-T5GithubHuggingface开源项目时间序列预测概率预测模型语言模型预训练模型
Chronos-t5-small是一个基于T5架构的预训练时间序列预测模型,参数量为4600万。该模型将时间序列转换为token序列进行训练,可生成多个未来轨迹的概率性预测。模型训练数据包括公开数据集和高斯过程生成的合成数据。它支持GPU加速和bfloat16精度,适用于多种时间序列预测场景。与原始T5模型相比,Chronos-t5-small采用更小的词汇表(4096个token),提高了计算效率。
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