Transformers_And_LLM_Are_What_You_Dont_Need

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

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。

时间序列预测Transformers线性模型深度学习MambaGithub开源项目

你不需要的是Transformers和大语言模型

这个仓库最好地展示了为什么transformer模型在时间序列预测中不起作用

目录

论文

  1. Transformer在时间序列预测中是否有效? 作者:曾爱玲、陈沐希、张磊、徐强(香港中文大学、国际数字经济研究院(IDEA),2022年) 代码 🔥🔥🔥🔥🔥

  2. 大语言模型和基础模型在时间序列预测中的应用:它们(目前)还没有你想象的那么好 作者:Christoph Bergmeir (2023年) 🔥🔥🔥🔥🔥

  3. Transformer并不是你所需要的 作者:Valeriy Manokhin (2023年) 🔥🔥🔥🔥🔥

  4. 深度学习并不是你所需要的 作者:Valeriy Manokhin (2022年) 🔥🔥🔥🔥🔥

  5. 为什么Transformer在时间序列预测中表现不佳 作者:Devansh (2023年)

  6. 频域多层感知机在时间序列预测中是更有效的学习器 作者:易坤、张琦、范伟、王守进、王鹏阳、何辉、连德富、安宁、曹龙兵、牛振东(北京理工大学、同济大学、牛津大学、悉尼科技大学、澳门大学、合肥工业大学、麦考瑞大学) (2023年) 🔥🔥🔥🔥🔥

  7. 在经济政策和地缘政治不确定性下预测CPI通胀 作者:Shovon Sengupta、Tanujit Chakraborty、Sunny Kumar Singh (富达投资、索邦大学、比拉尼理工学院-海德拉巴分校) (2024年) 🔥🔥🔥🔥🔥

  8. 重新审视长期时间序列预测:对线性映射的调查 作者:李哲、齐世毅、李一多、徐增林(哈尔滨工业大学深圳分校,2023年) 代码

  9. SCINet:基于样本卷积和交互的时间序列建模与预测 作者:刘敏浩、曾爱玲、陈沐希、徐志坚、赖秋霞、马玲娜、徐强(香港中文大学,2022年) 代码

  10. WINNET:具有窗口增强周期提取和交互的时间序列预测 作者:欧文杰、郭东岳、张峥、赵智硕、林毅(四川大学,中国,2023年)

  11. 用于时间序列分析的多尺度分解MLP-Mixer 作者:钟书涵、宋思哲、李冠耀、卓伟鹏、刘洋、陈绍鹤(香港科技大学,香港,2023年) 代码 🔥🔥🔥🔥🔥

  12. TimesNet:用于一般时间序列分析的时间2D变化建模 作者:(吴海旭、胡腾格、刘勇、周航、王建民、龙明生,清华大学,2023年) 代码 🔥🔥🔥🔥🔥

  13. MTS-Mixers:基于因子化时间和通道混合的多变量时间序列预测 代码 🔥🔥🔥🔥🔥

  14. 可逆实例归一化:针对分布偏移的准确时间序列预测 作者:金泰星、金真熙、太允元、朴天福、崔张浩、朱在鞠(韩国科学技术院AI、Vuno、Naver公司、韩国电子通信研究院,ICLR 2022) 代码 项目主页 🔥🔥🔥🔥🔥

  15. WINNet:受小波启发的图像去噪可逆网络 作者:欧文杰、郭东岳、张峥、赵智硕、林毅(四川大学计算机科学学院,中国) 代码 🔥🔥🔥🔥🔥

  16. Mlinear:重新思考时间序列预测的线性模型 作者:李伟、孟祥旭、陈楚豪、陈佳宁(哈尔滨工程大学,2023年) 🔥🔥🔥🔥🔥

  17. 极简主义交通预测:线性层就是你所需要的全部 作者:段文英、饶洪、黄伟、何晓曦(南昌大学、澳门大学,2023年)

  18. 频域多层感知器在时间序列预测中是更有效的学习器,作者:易坤、张琦、范伟、王守进、王鹏洋、何辉、连德富、安宁、曹龙兵、牛振东(北京理工大学、同济大学、牛津大学、悉尼科技大学、澳门大学、中国科学技术大学、合肥工业大学、麦考瑞大学,2023年)代码 🔥🔥🔥🔥🔥

  19. 用于同时插补和预测的端到端时间序列模型,作者:Trang H. Tran、Lam M. Nguyen、Kyongmin Yeo、Nam Nguyen、Dzung Phan、Roman Vaculin、Jayant Kalagnanam(康奈尔大学运筹学与信息工程学院;IBM研究院,托马斯·J·沃森研究中心,纽约约克镇高地,美国,2023年)🔥🔥🔥🔥🔥

  20. 使用TiDE(时间序列密集编码器)进行长期预测,作者:Abhimanyu Das、Weihao Kong、Andrew Leach、Shaan Mathur、Rajat Sen、Rose Yu(谷歌云、加利福尼亚大学圣地亚哥分校,2023年)

  21. TSMixer:用于多变量时间序列预测的轻量级MLP-Mixer模型,作者:Vijay Ekambaram、Arindam Jati、Nam Nguyen、Phanwadee Sinthong、Jayant Kalagnanam(IBM研究院,2023年)代码 代码

  22. Koopa:使用Koopman预测器学习非平稳时间序列动态,作者:刘勇、李晨宇、王建民、龙明盛(清华大学,2023年)代码 🔥🔥🔥🔥🔥

  23. 长期时间序列预测的吸引子记忆:混沌视角,作者:胡嘉曦、胡悦红、陈伟、金明、潘世瑞、温庆松、梁宇轩(2024年)🔥🔥🔥🔥🔥

  24. 何时及如何:学习非平稳时间序列预测的可识别潜在状态(2024年)🔥🔥🔥🔥🔥

  25. 用于多变量时间序列预测的深度耦合网络(2024年)

  26. 用于长序列建模的线性动力学嵌入神经网络,作者:梁桐一和李汉雄(香港城市大学,2024年)

  27. PDETime:从偏微分方程的角度重新思考长期多变量时间序列预测(2024年)

  28. CATS:通过构建辅助时间序列作为外生变量来增强多变量时间序列预测(2024年)🔥🔥🔥🔥🔥

  29. Mamba对时间序列预测有效吗? 代码(2024年)🔥🔥🔥🔥🔥

  30. STG-Mamba:基于选择性状态空间模型的时空图学习(2024年)

  31. TimeMachine:一个时间序列值4个Mamba用于长期预测 代码(2024年)🔥🔥🔥🔥🔥

  32. FITS:用10k参数建模时间序列 代码(2023年)

  33. TSLANet:重新思考用于时间序列表示学习的Transformer 代码(2024年)🔥🔥🔥🔥🔥

  34. WFTNet:利用全局和局部周期性进行长期时间序列预测 代码(2024年)🔥🔥🔥🔥🔥

  35. SiMBA:用于视觉和多变量时间序列的简化Mamba架构 代码(2024年)🔥🔥🔥🔥🔥

  36. SOFTS:基于序列核心融合的高效多变量时间序列预测 代码(2024年)🔥🔥🔥🔥🔥

  37. 整合Mamba和Transformer进行长短程时间序列预测 代码(2024年)🔥🔥🔥🔥🔥

  38. SparseTSF:用1k参数建模长期时间序列预测(2024年)🔥🔥🔥🔥🔥

  39. 使用粗化策略提升多层感知机进行长期时间序列预测 (2024) 🔥🔥🔥🔥🔥

  40. 用于长期时间序列预测的多尺度膨胀卷积网络 (2024)

  41. ModernTCN:用于通用时间序列分析的现代纯卷积结构 代码 (ICLR 2024 Spotlight)

  42. 用于多变量长序列时间序列预测的自适应提取网络 (2024) 🔥🔥🔥🔥🔥

  43. 使用神经傅里叶变换进行可解释的多变量时间序列预测 (2024) 🔥🔥🔥🔥🔥

  44. 长期序列预测的周期性解耦框架 代码 (2024) 🔥🔥🔥🔥🔥

  45. Chimera:使用二维状态空间模型有效建模多变量时间序列 🔥🔥🔥🔥🔥 (2024)

  46. 时间证据融合网络:长期时间序列预测中的多源视角 代码 (2024)

  47. ATFNet:用于长期时间序列预测的自适应时频集成网络 代码 (2024) 🔥🔥🔥🔥

  48. C-Mamba:通道相关性增强的状态空间模型用于多变量时间序列预测 (2024) 🔥🔥🔥🔥

  49. 极简主义在长序列时间序列预测中的力量

  50. WindowMixer:时间序列预测的窗内和窗间建模

  51. xLSTMTime:使用xLSTM进行长期时间序列预测 代码 (2024)

  52. 并非所有频率都生而平等:时间序列预测中频率的动态融合 (2024) 🔥🔥🔥🔥

  53. FMamba:基于快速注意力的Mamba用于多变量时间序列预测 (2024)

  54. 用于长时间序列预测的长输入序列网络 (2024)

  55. 使用三重分解线性建模和序列度量的时间序列预测 (2024) 🔥🔥🔥🔥

  56. 标准统计模型和大型语言模型在时间序列预测中的评估 (2024) LLM 🔥🔥🔥🔥

  57. 使用大型语言模型进行宏观经济预测 (2024) LLM 🔥🔥🔥🔥

  58. 语言模型在零样本时间序列推理方面仍然存在困难 (2024) LLM 🔥🔥🔥🔥

文章

  1. 【TimeGPT对比TiDE:零样本推理是预测的未来还是炒作?】作者:Luís Roque和Rafael Guedes(2024年)🔥🔥🔥🔥🔥

  2. 【TimeGPT-1,Hacker News上的讨论】(2023年)🔥🔥🔥🔥🔥

  3. 【TimeGPT:首个用于时间序列预测的生成式预训练Transformer】

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。

olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多