Logo
Project Icon

liquid_time_constant_networks

Liquid Time-Constant Networks （LTC） 的代码库

Liquid time-constant Networkspython3TensorFlowBPTTcontinuous-time modelsGithub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。

GithubGithub文档文档论文论文
介绍相关项目
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。
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。
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。
mcfly - 简化时间序列深度学习的开源框架
GithubTensorflowmcfly回归分析开源项目时间序列分类深度学习
mcfly是一个开源的深度学习框架，专门用于时间序列分类和回归。它能直接处理原始数据，无需计算信号特征或专业领域知识，在加速度计数据的活动分类等任务中表现出色。该框架基于TensorFlow 2构建，支持Python 3.10和3.11，并提供可视化工具展示模型配置和性能。mcfly与传统机器学习技术相比具有竞争力，欢迎社区贡献。
LongNet - 扩展Transformer到10亿标记的创新变体
Dilated AttentionGithubLongNetTransformer开源项目机器学习长序列建模
LongNet是一个创新的Transformer变体，通过膨胀注意力机制扩展序列长度至超过10亿标记，同时保持对较短序列的高性能。该模型具有线性计算复杂度，适用于极长序列的分布式训练，并且其膨胀注意力可以无缝替代标准注意力。实验结果证明，LongNet在长序列建模和一般语言任务上表现出色，为处理整个语料库或互联网序列开辟了新路径。
3D-ResNets-PyTorch - 用于动作识别的 3D ResNets
3D ResNetsAction RecognitionGithubPyTorchSpatiotemporal 3D CNNs开源项目预训练模型
该项目提供基于PyTorch的3D ResNet代码，适用于动作识别，支持Kinetics和Moments in Time等数据集。项目包含训练、微调和测试脚本，并提供预训练模型，支持最新的PyTorch版本和分布式训练。用户可使用详细脚本进行数据准备和模型评估，适合研究与应用。
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。
deeptime - Python时间序列分析与动态建模库
Githubdeeptime动力学模型开源库开源项目时间序列分析机器学习
deeptime是一个专注于时间序列数据分析的Python库，集成了多种动态模型估计工具。该库涵盖传统线性学习方法（如马尔可夫状态模型、隐马尔可夫模型和Koopman模型）及先进的核方法和深度学习技术。与scikit-learn兼容的同时，deeptime还提供了独特的Model类，用于分析热力学、动力学和其他动态特性。该库支持多平台安装，适用于各类时间序列数据研究。
CEEMDAN_LSTM - CEEMDAN与LSTM结合的时序预测模型
CEEMDAN_LSTMGithub开源项目数据分解时间序列预测神经网络金融预测
CEEMDAN_LSTM是一个Python模块，结合完整集成经验模态分解(CEEMDAN)和长短期记忆(LSTM)神经网络进行时序预测。该项目提供多种预测方法和评估工具，支持灵活的参数设置，适用于金融等领域的复杂时序数据分析。它简化了分解集成预测的实现过程，有助于研究人员和数据分析师快速构建和优化预测模型。CEEMDAN_LSTM支持多种预测方法，包括单一、集成、分别和混合预测等。它还提供了统计测试、热图绘制和DM测试等模型评估工具，有助于全面分析预测结果。
nolitsa - 全面的Python非线性时间序列分析库
GithubLyapunov指数NoLiTSAPython模块嵌入维度估计开源项目非线性时间序列分析
NoLiTSA是一个开源Python模块，专门用于非线性时间序列分析。它实现了多种标准算法，如嵌入延迟估计、维度估计、相关维数计算和最大Lyapunov指数估计。模块支持FT、AAFT和IAAFT替代数据生成，并提供噪声减少功能。NoLiTSA适用于复杂的时间序列分析任务，已在天体物理学和流体动力学研究中应用，为科研人员提供了可靠的分析工具。
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