Logo
Project Icon

UnsupervisedScalableRepresentationLearningTimeSeries

多变量时间序列的无监督可扩展表示学习方法

时间序列表示学习无监督学习PyTorchUCR数据集UEA数据集Github开源项目

UnsupervisedScalableRepresentationLearningTimeSeries项目提出了一种无监督可扩展表示学习方法,专门用于处理多变量时间序列数据。该方法基于三元组损失训练编码器,能够处理等长或不等长时间序列。项目提供了UCR和UEA数据集实验代码,包括迁移学习和稀疏标记实验。此外,还包含预训练模型和结果可视化工具。在多个基准数据集上,该方法展现出优秀的性能,为时间序列分析领域提供了创新解决方案。

GithubGithub论文论文
介绍相关项目
neural_prophet - 易用的开源时间序列预测框架
GithubNeuralProphetPyTorch开源项目时间序列预测模型构建
NeuralProphet是一个基于PyTorch的开源框架，将神经网络与传统时间序列算法结合，专为时间序列预测而设计。它提供简便的代码接口，支持模型定制、趋势检测、季节性分析和事件影响评估，适合高频次和长期数据。项目仍在beta阶段，欢迎社区贡献。
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。
moirai-1.0-R-small - Moirai 开源预训练时间序列预测模型
GithubHuggingfaceMoiraiTransformer开源项目时间序列预测机器学习模型预训练模型
Moirai-1.0-R-small是一个开源的预训练时间序列预测模型。它基于掩码编码器架构，在LOTSA数据集上训练，可处理多变量时间序列。该模型使用补丁嵌入和混合分布输出等技术，提供高精度预测。通过uni2ts库，研究人员和开发者可以便捷地将Moirai应用于各类时间序列预测任务。
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。
kshape-python - 高效精准的时间序列聚类算法
Githubk-Shape开源项目数据挖掘无监督学习时间序列聚类机器学习
kshape-python是一种用于单变量和多变量时间序列聚类的高效无监督算法。该方法在ACM SIGMOD 2015会议上获得最佳论文奖，已在多个科学领域和知名企业中广泛应用。kshape-python在准确性和效率方面表现出色，在包含100多个数据集的基准测试中名列前茅。该项目提供CPU和GPU版本实现，可处理大规模时间序列数据。项目提供详细的安装说明、使用示例和基准测试结果，支持单变量和多变量时间序列数据，可在CPU或GPU上运行。该方法在UCR和UAE两个established benchmarks上进行了评估，展示了其在不同数据集上的性能。
scalecast - 功能全面的时间序列预测Python库
GithubPython库Scalecast开源项目数据可视化时间序列预测机器学习
Scalecast是一个功能全面的时间序列预测Python库。它提供统一的机器学习建模接口，支持LSTM、ARIMA等多种模型类型。该库集成了自动特征选择、超参数调优、模型堆叠等功能，并提供便捷的数据可视化工具。Scalecast致力于简化复杂的时间序列预测任务，适用于不同规模的预测项目。
TSFpaper - 时间序列与时空预测论文精选合集
GithubSpatio-Temporal ForecastingTime Series ForecastingTransformerdeep learningmultivariate forecasting开源项目
本仓库收录了300多篇时间序列与时空预测的论文，涵盖多种预测模型类型。这些论文包括顶级会议和期刊发表的研究成果以及最新的arXiv论文。支持单变量、多变量及不规则时间序列预测，广泛应用于交通和天气等领域。仓库内容持续更新，并推荐热门工具库和最新模型，是时间序列预测研究的重要资源。
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。
deep-algotrading - 深度学习算法在金融交易中的探索与实践
GithubTensorFlow开源项目深度学习神经网络过拟合金融数据
本项目展示了深度学习技术在金融交易领域的应用。从简单回归到LSTM和策略网络,逐步介绍不同复杂度的算法模型。内容包括TensorFlow使用、深度强化学习概念,以及交易策略的构建与优化。通过代码示例和详细说明,读者可学习如何将深度学习应用于金融数据分析和算法交易。这是一个面向学习者和从业者的教育资源,展示了深度学习在非传统领域的创新应用。
solo-learn - 使用自监督学习进行无监督视觉表征的方法与技巧
GithubPyTorch Lightningsolo-learn开源项目无监督自监督学习视觉表示学习
solo-learn库基于PyTorch Lightning，提供多种自监督方法用于无监督视觉表征学习。该库包含全面的训练技巧和多种数据处理、评估方式，以提高训练效果和可重复性。其主要特点有快速的数据处理、自定义模型检查点、线上和线下的K-NN评估。库内包含灵活的数据增强、可视化功能，并不断更新方法和改进教程，使模型训练和调试更加高效简便。
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