Project Icon

moment

时间序列分析基础模型 多任务多领域应用

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。

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。
TimeMoE-50M - 混合专家时间序列预测基础模型 提升大规模数据分析能力
GithubHuggingfaceTimeMoE基础模型开源项目时间序列预测模型深度学习混合专家模型
TimeMoE-50M是一个基于混合专家(MoE)架构的时间序列预测基础模型,专为处理十亿规模数据而设计。此模型旨在优化大规模时间序列分析的准确性和效率。开发者可在GitHub页面上找到详细的使用指南和实现方法,有助于将其整合到各类时间序列分析项目中,提升预测能力。
modeltime - R语言时间序列预测框架 整合机器学习与传统方法
GithubR语言modeltime工作流开源项目时间序列预测机器学习
modeltime是R语言的时间序列预测框架,简化了预测工作流程,整合机器学习和传统分析方法。支持ARIMA、ETS、Prophet等模型,可与tidymodels生态系统集成。通过6步流程,用户可快速构建、评估和部署预测模型,适用于高性能时间序列分析。框架还包括modeltime.h2o用于AutoML、modeltime.gluonts用于深度学习,以及modeltime.ensemble用于集成预测。这些组件共同构成了一个全面的时间序列分析生态系统,为不同规模和复杂度的预测任务提供解决方案。
Awesome-TimeSeries-SpatioTemporal-LM-LLM - 大型语言模型在时序和时空数据分析中的应用资源
Github基础模型大型语言模型开源项目时空数据时间序列预训练模型
该项目汇集了用于时间序列、时空数据和事件数据分析的大型语言模型及基础模型资源。内容全面涵盖了最新研究进展,包括论文、代码和数据集。涉及领域包括通用时间序列分析、交通、金融、医疗等多个应用方向,以及事件分析、时空图和视频数据等相关主题。项目为研究人员和实践者提供了一个综合性资源库,并持续更新最新成果。
trading-momentum-transformer - 深度学习驱动的Momentum Transformer及其在交易中的应用
GithubLSTMMomentum Transformer交易策略变点检测开源项目深度学习
Momentum Transformer和Slow Momentum with Fast Reversion模型利用深度学习和变革点检测,在波动市场中表现出众。通过多头注意力机制和可解释变量选择网络,这些模型在趋势转折点上展现很强的适应力。经过优化,模型在1995至2020年期间的表现显著提升,尤其在2015至2020年间,有效应对市场不稳定性,提高风险调整后的收益率。
Large-Time-Series-Model - 大规模生成式预训练时间序列模型
GithubTimerTransformer大规模数据集开源项目时间序列模型预训练
Timer是一款基于生成式预训练Transformer的大规模时间序列模型。该模型在包含10亿时间点的UTSD数据集上预训练,可用于预测、插值和异常检测等多项任务。Timer采用解码器架构,支持灵活序列长度,在少样本场景下表现优异。项目开源了模型代码、数据集和预训练权重,为时间序列大模型研究奠定基础。
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。
test-ttm-v1 - 开源时间序列预测模型 高效预测基础
GithubHuggingfaceTinyTimeMixer基础模型开源项目时间序列模型预测预训练模型
Test TinyTimeMixer (TTM)是一个开源的时间序列预测基础模型。这个项目利用预训练方法,为时间序列分析提供了有力支持。TTM致力于提升时间序列预测的效率和准确性,可应用于多种时间相关的数据分析场景。作为开源项目,它遵循Apache 2.0许可证,并在Hugging Face平台上提供。TTM为研究人员和数据科学家提供了一个探索和优化时间序列预测技术的平台。
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。
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。
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