Logo
Project Icon

TimeMixer

多尺度混合技术推动时间序列预测新突破

TimeMixer时间序列预测多尺度混合MLP架构ICLRGithub开源项目

TimeMixer是一种基于MLP架构的时间序列预测模型，通过多尺度混合技术实现长短期预测的性能突破。该模型利用Past-Decomposable-Mixing和Future-Multipredictor-Mixing模块处理多尺度时间序列，在多个基准数据集上展现出优异性能。TimeMixer不仅预测精度高，还具备良好的运行效率，适用于多种要求高效预测的应用场景。

GithubGithub论文论文
介绍相关项目
HyperTS - 全面的时间序列分析工具包 支持多任务和多模式分析
GithubHyperTS开源项目异常检测时间序列分析自动机器学习预测
HyperTS是一款全面的时间序列分析工具包，集成了统计模型、深度学习和神经架构搜索。它支持预测、分类、回归和异常检测等多种任务，适用于复杂的时间序列分析场景。该工具包提供多变量和协变量支持，概率区间预测，以及丰富的预处理、评估指标和搜索策略。HyperTS简单易用，为时间序列分析提供了端到端的自动化解决方案。
LLM4TS - 大型语言模型和基础模型在时间序列分析中的最新进展
AIGithubLLM基础模型开源项目时间序列预训练
LLM4TS项目整理了时间序列分析领域中大型语言模型和基础模型的最新研究。主要内容包括时间序列LLM的进展、专用基础模型、数据集和重要发现。此外，项目还涵盖了预训练时间序列模型和LLM在推荐系统等相关领域的应用，为研究和实践提供了丰富的资源。
UnsupervisedScalableRepresentationLearningTimeSeries - 多变量时间序列的无监督可扩展表示学习方法
GithubPyTorchUCR数据集UEA数据集开源项目无监督学习时间序列表示学习
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。
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。
MOMENT-1-large - 多功能时间序列分析基础模型：预测、分类、异常检测和填补
GithubHuggingfaceMOMENT基础模型开源项目时间序列分析机器学习模型预训练模型
MOMENT-1-large是一款专为时间序列分析设计的多功能基础模型。它能够高效处理预测、分类、异常检测和数据填补等多种任务。该模型具有出色的零样本和少样本学习能力，可以在缺少或仅有少量任务特定样本的情况下直接使用。此外，MOMENT-1-large支持使用领域相关数据进行微调，以进一步提升性能。作为一个灵活而强大的工具，它为各类时间序列分析任务提供了有力支持。
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。
Time-Series-Works-Conferences - 全面的时间序列研究与预测资源集合
Github开源项目数据分析时间序列机器学习深度学习预测
这是一个汇集时间序列研究最新进展的资源库，整合了多领域的论文、代码和会议信息。项目涵盖多变量预测、概率预测、数据插补和异常检测等任务，提供详细的论文分类和方法总结。同时收录了相关数据集和开源代码，为时间序列研究提供全面的参考。
moment - 时间序列分析基础模型 多任务多领域应用
GithubMOMENT基础模型多任务开源项目时间序列预训练
MOMENT是一个开源的时间序列分析基础模型家族，为多任务、多数据集和多领域应用而设计。该模型在大规模时间序列数据上预训练，可处理预测、分类、异常检测和插补等任务。MOMENT能捕捉时间序列的内在特征，学习有意义的数据表示，在少量标记数据的情况下也表现出色。项目提供预训练模型、教程和研究代码，为时间序列分析提供了实用工具。
Mixture-of-depths - Transformer语言模型的动态计算资源分配方法
GithubMixture-of-Depths开源项目模型实现深度学习语言模型
Mixture-of-depths是一种Transformer语言模型优化方法，通过动态分配计算资源提高性能。该项目提供Mistral、Mixtral、LLama等多个主流模型的非官方实现。项目支持高级API接口，兼容transformers库，便于研究应用。这种方法旨在提升模型推理效率和灵活性，同时保持输出质量。
chronos-t5-mini - 开源时间序列预测模型实现高效概率预测
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-Mini是基于T5架构开发的时间序列预测模型，参数规模为2000万。模型通过将时间序列转换为token序列进行训练，采用多轨迹采样方式实现概率预测。模型在公开时间序列数据集和高斯过程生成的合成数据上完成预训练，采用4096大小的词汇表，相比原始T5模型显著降低了参数量同时保持了预测性能。
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