Project Icon

chronos-t5-large

T5架构驱动的大规模时间序列预测基础模型

Chronos-T5-Large是一个大规模时间序列预测基础模型,基于T5架构设计,包含7.1亿参数。模型通过将时间序列转换为token序列进行训练,能够生成概率性预测结果。它在海量公开时间序列数据和合成数据上训练,适用于广泛的时间序列预测任务。研究人员可使用简洁的Python接口调用模型,获取未来趋势预测及相应的置信区间。

T0pp - 多任务语言模型展现跨任务零样本泛化能力
GithubHuggingfaceT0多任务学习开源项目模型自然语言处理语言模型零样本学习
T0是一系列基于T5的编码器-解码器模型,通过多任务微调实现零样本跨任务泛化。该模型在多项自然语言处理任务中表现优于GPT-3,参数量仅为其1/16。T0能够根据自然语言指令完成情感分析、阅读理解、逻辑推理等未见任务。研究还评估了模型在性别偏见识别和复现方面的表现。
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。
byt5 - 字节级预训练语言模型开启无词元化时代
ByT5GithubUTF-8字节开源项目自然语言处理语言模型预训练
ByT5作为mT5模型的无词元化版本,通过直接操作UTF-8字节实现了文本处理的简化。研究表明,ByT5在多种任务中与mT5旗鼓相当,并在处理噪声文本和对拼写发音敏感的任务中表现更为出色。该项目不仅开源了完整的模型训练、微调和评估代码,还提供了从小型到超大型的多个预训练模型检查点,为推动自然语言处理技术向无词元化方向发展做出了重要贡献。
FCH-TTS - 并行语音合成模型
GithubParallelTTS合成样例声码器开源项目语音合成预训练模型
FCH-TTS采用先进的并行语音合成技术,快速生成高质量语音。支持多语种及多种声音风格,满足多样化应用需求。项目持续迭代,引入诸如SoftDTW损失函数等新功能和优化,同时集成顶尖的声码器技术。FCH-TTS不仅提供预训练模型和丰富的合成示例,还允许用户自定义训练和合成,适用于教育、娱乐及商业多个领域。
LTSF-Linear - 线性模型在时间序列预测中的应用
AAAI 2023DLinearGithubLTSF-LinearTransformers开源项目时间序列预测
LTSF-Linear是一个高效的线性模型家族,包括Linear、NLinear和DLinear,专为时间序列预测设计。该模型支持单变量和多变量长时间预测,具有高效率、可解释性和易用性,显著优于Transformer模型。
Comprehensive-Transformer-TTS - 基于非自回归 Transformer 的 TTS
GithubPyTorchTTS开源项目持续时间建模语音合成非自回归变换器
该项目采用非自回归Transformer技术,集成多种最新状态转换模型。Comprehensive-Transformer-TTS不仅提供监督与非监督持续时间建模, 也支持多种数据集和SOTA技术,如Fastformer和Long-Short Transformer,力求在文本到语音转换领域取得领先成果。
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。
Informer2020 - 长序列时间序列预测的高效解决方案
ETT数据集GithubInformerProbSparse Attention开源项目时间序列预测高效Transformer
Informer引入ProbSparse注意机制,大幅提升长序列时间序列预测的效率和精度。该模型利用概率分布选择活跃查询,避免冗余计算,适用于多种数据集,并在AIJ和AAAI'21获奖。提供详细的实验设置、Colab示例和数据下载链接,帮助用户快速上手并复现结果。
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。
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

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

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