Logo
Project Icon

EasyTemporalPointProcess

灵活可配置的时序点过程开源工具包 支持多框架和结果复现

EasyTPP时间点过程机器学习开源工具包事件预测Github开源项目

EasyTemporalPointProcess是一个用于时序点过程开发和应用的开源工具包。该工具包具有配置灵活、兼容性强和结果可复现等特点,支持多种先进TPP模型,提供预处理数据集和超参数优化功能。EasyTPP同时兼容TensorFlow和PyTorch框架,可用于学术研究和工业实践。研究人员和从业者可以利用它轻松定制TPP模型并进行开放基准测试。

访问官网访问官网GithubGithubHuggingfaceHuggingface文档文档论文论文
介绍相关项目
liquid_time_constant_networks - Liquid Time-Constant Networks （LTC） 的代码库
BPTTGithubLiquid time-constant NetworksTensorFlowcontinuous-time modelspython3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。
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。
tensorpack - 高效的神经网络训练接口，支持多GPU和分布式训练
GithubTensorpack可重复性研究开源项目数据加载性能训练速度高质量实现
Tensorpack是基于TensorFlow的神经网络训练接口，专注于提升训练速度与性能。其高效的数据加载和并行化策略显著提高了训练速度，尤其是在CNN上的表现比Keras代码快1.2到5倍。Tensorpack适合需要可重复和灵活研究的开发者，支持多GPU和分布式训练，并提供多个著名论文的高质量复现案例。Tensorpack并不是一个模型包装器，用户可以灵活使用TensorFlow及其他高层API。
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。
GeoTorchAI - 基于PyTorch的空间时序深度学习框架
GeoTorchAIGithubPyTorch卫星图像分类开源项目深度学习框架空间时序数据
GeoTorchAI是基于PyTorch和Apache Sedona的空间时序深度学习框架，专为遥感影像和时空数据分析设计。该框架提供数据集、模型、转换和预处理模块，支持栅格和网格数据处理。它可应用于遥感影像分类、分割，以及交通流量、天气预报等时空数据预测任务。GeoTorchAI通过pip安装，并提供示例代码，方便研究人员和开发者快速上手使用。
OmniEvent - 多模型事件抽取框架 支持多种范式和语言
GithubOmniEvent事件抽取开源项目数据处理模型训练评估方法
OmniEvent是一个开源事件抽取工具包，支持事件检测和事件论元抽取。它覆盖多种范式，如令牌分类、序列标注、机器阅读理解和序列到序列等，在英文和中文数据集上提供统一评估。采用模块化实现，具有可扩展性，支持大型模型训练和推理，易用性高，兼容Transformers库。
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。
Koopa - 高效预测非平稳时间序列的轻量级模型
GithubKoopaKoopman理论开源项目时间序列预测轻量级模型非平稳动态
Koopa是一个基于Koopman理论的轻量级模型，用于高效预测非平稳时间序列。它实现了最先进的性能，同时减少了77%的训练时间和76%的内存使用。Koopa采用端到端预测训练，提高了对非线性时间序列演化的建模能力。项目提供完整代码实现、实验脚本和数据集，支持滚动预测，并能适应持续的分布偏移。
tsfeatures - 时间序列特征提取的Python工具库
GithubPythontsfeatures开源项目数据分析时间序列特征提取
tsfeatures是一个Python库，用于计算时间序列数据的多种特征。作为R语言tsfeatures包的Python实现，它提供了自相关、异方差、熵、平稳性等统计指标的计算功能。该库支持自定义特征函数和处理不同频率的时间序列数据，并允许与R版本结果进行对比。tsfeatures适用于需要进行时间序列分析和建模的数据处理场景。
Nonstationary_Transformers - 创新时间序列预测方法应对非平稳数据
GithubNon-stationary Transformers开源项目时间序列预测模型架构注意力机制深度学习
Non-stationary Transformers项目开发了新型时间序列预测方法，采用系列平稳化和去平稳注意力机制处理非平稳数据。该方法在多个基准数据集上展现出优异性能，并能有效提升现有注意力模型的预测效果。项目开源了完整代码和实验脚本，为时间序列预测研究和应用提供了重要参考。
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