Project Icon

cond_rnn

条件时间序列预测的深度学习框架

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。

tensorflow-deep-learning - TensorFlow深度学习教程
GithubTensorFlow开源项目深度学习神经网络训练课程
本项目通过展示如何使用TensorFlow和Keras解决多种问题,教授深度学习的基本技能及其应用。课程内容包括关键视频教程、实践练习和项目实战,确保学习者能通过动手操作全面理解深度学习。适合任何级别的学者,帮助你提升个人和职业技能。
chronos-t5-small - T5架构预训练时间序列模型 实现概率性多轨迹预测
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-small是一个基于T5架构的预训练时间序列预测模型,参数量为4600万。该模型将时间序列转换为token序列进行训练,可生成多个未来轨迹的概率性预测。模型训练数据包括公开数据集和高斯过程生成的合成数据。它支持GPU加速和bfloat16精度,适用于多种时间序列预测场景。与原始T5模型相比,Chronos-t5-small采用更小的词汇表(4096个token),提高了计算效率。
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。
chronos-t5-base - T5架构驱动的时间序列预测基础模型
ChronosGithubHuggingfaceT5架构开源项目时间序列预测机器学习模型预训练模型
Chronos-T5-Base是一款基于T5架构的时间序列预测基础模型,具有2亿参数规模。该模型将时间序列转换为token序列,通过交叉熵损失训练,能够生成多样化的概率性预测。Chronos-T5-Base在大量公开时间序列数据和合成数据上进行了预训练,适用于广泛的时间序列预测场景。研究人员和开发者可以通过Python接口轻松调用该模型,实现高效的时间序列分析和预测。
TimeMixer - 多尺度混合技术推动时间序列预测新突破
GithubICLRMLP架构TimeMixer多尺度混合开源项目时间序列预测
TimeMixer是一种基于MLP架构的时间序列预测模型,通过多尺度混合技术实现长短期预测的性能突破。该模型利用Past-Decomposable-Mixing和Future-Multipredictor-Mixing模块处理多尺度时间序列,在多个基准数据集上展现出优异性能。TimeMixer不仅预测精度高,还具备良好的运行效率,适用于多种要求高效预测的应用场景。
recurrent-memory-transformer-pytorch - Recurrent Memory Transformer的PyTorch实现助力超长序列处理
GithubPyTorchRecurrent Memory Transformer人工智能开源项目深度学习自然语言处理
Recurrent Memory Transformer的PyTorch实现项目致力于解决超长序列处理问题。该模型通过创新的记忆机制和高效注意力机制,可处理长达百万token的序列。项目提供简便的安装使用方法,支持XL记忆和记忆回放反向传播等先进功能。这一实现在长序列处理、因果推理和强化学习等领域展现出优异性能,为AI研究和应用开发提供了实用工具。
cornac - 多模态推荐系统比较框架
CornacGithub多模态开源项目推荐系统机器学习辅助数据
Cornac是一个多模态推荐系统比较框架,支持文本、图像等辅助数据。它便于快速实验和实现新模型,兼容TensorFlow、PyTorch等库。Cornac实现了协同过滤、内容推荐等多种算法,支持高效近似最近邻搜索。框架还提供简单的模型部署方式,有助于构建推荐系统应用。
fast_rnnt - 快速高效的RNN-T损失计算方法
GithubPyTorchRNN-T剪枝开源项目快速实现损失计算
fast_rnnt项目实现了一种快速高效的RNN-T损失计算方法。通过pruned rnnt算法,该方法使用简单joiner网络获取修剪边界,再评估完整非线性joiner网络。项目提供简单、平滑和修剪三种RNN-T损失计算功能,支持pip安装。与其他实现相比,fast_rnnt在计算速度和内存使用方面表现优异。
InceptionTime - 先进的时间序列分类深度学习模型
GithubInceptionTimeInception模块UCR/UEA数据集开源项目时间序列分类深度学习
InceptionTime是一个基于Inception模块架构的时间序列分类深度学习模型。该项目在85个UCR/UEA数据集上展现出优秀的分类性能,并提供了完整的模型实现代码、实验复现指南和详细结果。研究显示,InceptionTime在分类准确率和训练效率方面都具有显著优势,为时间序列分类研究提供了有力的基准。
UnsupervisedScalableRepresentationLearningTimeSeries - 多变量时间序列的无监督可扩展表示学习方法
GithubPyTorchUCR数据集UEA数据集开源项目无监督学习时间序列表示学习
UnsupervisedScalableRepresentationLearningTimeSeries项目提出了一种无监督可扩展表示学习方法,专门用于处理多变量时间序列数据。该方法基于三元组损失训练编码器,能够处理等长或不等长时间序列。项目提供了UCR和UEA数据集实验代码,包括迁移学习和稀疏标记实验。此外,还包含预训练模型和结果可视化工具。在多个基准数据集上,该方法展现出优秀的性能,为时间序列分析领域提供了创新解决方案。
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。

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