Logo
Project Icon

cond_rnn

条件时间序列预测的深度学习框架

ConditionalRecurrentKerasRNN时间序列TensorFlowGithub开源项目

ConditionalRecurrent是一个兼容Keras的包装器，用于基于时间不变数据进行条件时间序列预测。它支持各种循环层，通过学习条件表示来初始化RNN状态，有效模拟P(x_{t+1}|x_{0:t}, cond)。该库适用于包含外部输入的时间序列数据，如天气预测，为整合时间不变条件信息提供了实用的解决方案。

访问官网访问官网GithubGithub论文论文
介绍相关项目
awesome-conditional-content-generation - 条件内容生成的前沿技术与资源集锦
Github人工智能内容生成动作生成图像生成开源项目视频生成
这是一个综合性的条件内容生成资源库，主要聚焦于人体动作、图像和视频生成领域。项目汇集了最新研究论文和代码实现，包括音乐、文本和音频驱动的动作生成，以及人体动作预测等多个研究方向。同时还收录了条件图像和视频生成的相关资源，为该领域的研究和开发提供了丰富的参考材料。
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。
ttt-lm-pytorch - 基于测试时训练的高表达能力RNN模型
GithubRNNTTT序列建模开源项目机器学习隐藏状态
ttt-lm-pytorch项目提出了一种新型序列建模层，结合了RNN的线性复杂度和高表达能力的隐藏状态。该方法将隐藏状态设计为机器学习模型，通过自监督学习在测试阶段持续更新，因此被称为测试时训练（TTT）层。项目实现了TTT-Linear和TTT-MLP两种变体，分别采用线性模型和双层MLP作为隐藏状态，为长序列建模提供了高效替代方案。
mlforecast - 高性能可扩展的机器学习时间序列预测框架
GithubMLForecast分布式训练开源项目时间序列预测机器学习特征工程
mlforecast是一个基于机器学习模型的时间序列预测框架,具有高效的特征工程实现和良好的可扩展性。该框架支持pandas、polars、spark等多种数据格式,兼容sklearn API,能够处理海量数据。除了支持概率预测和外生变量,mlforecast还提供分布式训练功能,适用于大规模生产环境的时间序列预测任务。框架采用熟悉的fit和predict接口,便于快速上手和集成到现有项目中。
Crossformer - 高效利用跨维度依赖的多变量时间序列预测模型
CrossformerGithubTransformer开源项目时间序列预测注意力机制深度学习
Crossformer是一种新型Transformer模型，针对多变量时间序列预测设计。该模型采用维度分段嵌入、两阶段注意力机制和层次编码器-解码器结构，有效捕捉时间和维度间的依赖关系。Crossformer在多个基准数据集上表现优异，为长序列预测和高维数据处理提供新思路。其开源实现便于研究人员和实践者探索应用。
tensorflow - TensorFlow与R语言的深度学习框架集成
APIGithubR语言TensorFlow开源项目数据流图机器学习
TensorFlow for R是一个将TensorFlow深度学习框架集成到R语言环境的开源项目。它支持在R中构建和执行TensorFlow计算图，兼容CPU和GPU运算。该项目提供完整的TensorFlow API访问，并包含安装指南和使用文档。适合需要在R中进行机器学习和大规模数值计算的研究人员和数据科学家使用。
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。
timesfm - 谷歌研究院开发的时间序列预测基础模型
GithubTimesFM基础模型开源项目时间序列预测深度学习
TimesFM是谷歌研究院开发的时间序列预测基础模型，支持多种时间频率的单变量预测。模型可处理最长512个时间点的上下文和任意长度的预测范围，提供简单的API接口支持数组和pandas输入。通过外部回归器库，TimesFM能处理静态和动态协变量。此外，该模型支持微调功能，允许用户在自有数据上优化性能。
RWKV-LM - 高性能并行化RNN，探索和应用RWKV模型
GithubRNNRWKVTransformer并行化开源项目性能
RWKV是一个高性能的并行化RNN，具有变换器级别的性能。该模型实现了快速的推理和训练速度，不依赖于传统的注意力机制，而是通过隐藏状态进行计算，优化了VRAM的使用，并支持处理无限长度的文本上下文。RWKV的这些特点使其在进行句子嵌入和处理复杂文本任务时显示出优越的能力。
keras-nlp - 兼容多框架的自然语言处理工具和预训练模型
GithubJAXKerasNLPPyTorchTensorFlow开源项目自然语言处理
KerasNLP 是一个兼容 TensorFlow、JAX 和 PyTorch 的自然语言处理库，提供预训练模型和低级模块。基于 Keras 3，支持 GPU 和 TPU 的微调，并可跨框架训练和序列化。设置 KERAS_BACKEND 环境变量即可切换框架，安装方便，立即体验强大 NLP 功能。
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

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。

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