腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
时序人
专栏作者
举报
101
文章
123359
阅读量
48
订阅数
订阅专栏
申请加入专栏
全部文章(101)
模型(36)
数据(35)
编程算法(22)
论文(21)
神经网络(19)
深度学习(16)
机器学习(14)
https(14)
网络安全(13)
时序预测(13)
性能(12)
变量(11)
人工智能(9)
数据结构(6)
数据挖掘(5)
基础(5)
设计(5)
异常(5)
数据库(4)
github(4)
unix(4)
卷积神经网络(4)
架构(4)
网络(4)
python(3)
运维(3)
监督学习(3)
特征工程(3)
学习方法(3)
c++(2)
html(2)
arm(2)
sql(2)
git(2)
批量计算(2)
金融(2)
http(2)
开源(2)
tcp/ip(2)
大数据(2)
time(2)
可视化(2)
框架(2)
视频(2)
优化(2)
重构(2)
LLM(2)
go(1)
bash(1)
react(1)
ide(1)
api(1)
linux(1)
日志服务(1)
语音合成(1)
知识图谱(1)
腾讯移动分析(1)
腾讯云测试服务(1)
网站(1)
DevOps 解决方案(1)
日志数据(1)
医疗(1)
自动化(1)
强化学习(1)
推荐系统(1)
线性回归(1)
kernel(1)
scikit-learn(1)
uml(1)
安全(1)
数据分析(1)
数据处理(1)
processing(1)
聚类算法(1)
分类算法(1)
sdk(1)
flink(1)
数据集成(1)
隐私计算(1)
behavior(1)
csv(1)
date(1)
map(1)
normalization(1)
patch(1)
pdf(1)
poi(1)
prompt(1)
static(1)
vi(1)
编码(1)
测试(1)
工作(1)
函数(1)
行业(1)
连接(1)
内核(1)
事件(1)
数据采集(1)
系统(1)
效率(1)
搜索文章
搜索
搜索
关闭
综述 | 深度学习在多维时间序列插补中的应用
深度学习
论文
模型
数据
性能
无处不在的缺失值导致多元时间序列数据只能部分观测,破坏了时间序列的完整性,阻碍了有效的时间序列数据分析。近年来,深度学习插补方法在提升损坏时间序列数据质量方面取得了显著的成功,从而提高了下游任务的性能。
VachelHu
2024-04-18
237
0
MOMENT:CMU发布首个开源的时间序列基础大模型
模型
数据
异常
开源
基础
时间序列分析是一个重要领域,涵盖从天气预报和到使用心电图检测不规则心跳,再到识别异常软件部署等一系列广泛应用。
VachelHu
2024-04-11
467
0
效果显著!电力价格预测中的纯Transformer架构实战
架构
论文
模型
数据
变量
电力价格预测在现代电力系统中扮演着至关重要的角色。多年来,电力价格预测(EPF)的技术已经取得了显著的进展,其中机器学习和人工智能的最新发展发挥了引领作用。但在电力价格预测(EPF)领域,可复现性一直是一个重大挑战。许多研究使用了独特且非公开的数据集,并在过短和有限的市场样本上测试了他们的方法,这使得难以评估新预测算法的有效性。
VachelHu
2024-04-11
137
0
DiffsFormer:基于扩散模型的端到端股票因子挖掘与增强
论文
模型
数据
性能
行业
机器学习模型在广泛的股票预测任务中表现出了令人瞩目的有效性和效率。然而,数据稀缺性所带来的固有挑战,包括低信噪比(SNR)和数据同质性,对准确预测构成较大挑战。
VachelHu
2024-03-20
251
0
AutoTimes:利用LLM重新定义自回归时间序列预测
模型
数据
LLM
变量
论文
鉴于模态和任务目标之间的共性,大语言模型(LLM)自然可以作为时间序列的基础模型。然而,先前的方法可能忽视了时间序列与自然语言对齐的一致性,导致未能充分利用LLM的潜力。
VachelHu
2024-03-18
241
0
综述 | 大语言模型在时序预测和异常检测中的应用
模型
数据
性能
异常
时序预测
这篇系统文献综述全面考察了大型语言模型(LLM)在预测和异常检测方面的应用,重点分析了目前的研究现状、固有挑战和未来可能的发展方向。
VachelHu
2024-03-07
765
0
AAAI 2024 | DiffShape:基于时序 Shapelets 的扩散模型
数据
性能
监督学习
论文
模型
半监督时间序列分类可以有效地缓解标记数据缺乏的问题。然而,现有的方法通常忽略了模型的解释性,使得人类难以理解模型预测背后的原理。Shapelets是一组具有高度解释性的判别子序列,可用于时间序列分类任务。基于Shapelets学习的方法已显示出有前景的分类性能。遗憾的是,在没有足够的标记数据的情况下,通过现有方法学习的Shapelets通常判别性较差,甚至与原始时间序列的任何子序列都不相似。
VachelHu
2024-03-07
355
0
AAAI 2024 | U-Mixer:用于时序预测的稳态校正 Mixer 结构
论文
模型
数据
性能
时序预测
时间序列预测是许多领域中的关键任务,例如金融、天气预报和传感器数据分析等。然而,时间序列经常受到趋势、季节性或不规则波动等因素的影响,表现出非平稳性。这种非平稳性会阻碍特征在深层网络中的稳定传播,破坏特征分布,并使学习数据分布变化变得复杂。因此,许多现有模型难以捕捉底层模式,导致预测性能下降。
VachelHu
2024-02-29
318
0
AAAI 2024 | MSGNet:学习多尺度序列之间的相关性以进行多元时间序列预测
性能
变量
论文
模型
数据
多变量时间序列预测一直是各学科面临的持续性挑战。时间序列数据通常表现出多样的序列内和序列间相关性,这导致了复杂且相互交织的依赖关系,成为众多研究的焦点。
VachelHu
2024-02-29
335
0
ICLR 2024 | FTS-Diffusion:针对金融时序中不规则特征的生成学习
数据
网络
金融
论文
设计
对于金融应用中的深度学习模型,训练数据有限是一个大问题。因为金融时间序列有不规则和尺度不变的特点,很难合成真实数据。
VachelHu
2024-02-17
377
0
AAAI 2024 | 多维时序下的全连接时空图模型
连接
论文
模型
设计
数据
多元时间序列(MTS)数据在各种应用领域中至关重要。由于其具有时序性和多源(多个传感器)属性,MTS数据本质上表现出时空(ST)依赖性,包括时间戳之间的时间相关性以及每个时间戳中传感器之间的空间相关性。为了有效利用此信息,基于图神经网络的方法(GNNs)已被广泛采用。
VachelHu
2024-02-17
301
0
ICLR 2024 | TIME-LLM:将时序数据重新编码为更自然的文本表示
数据
LLM
time
编码
模型
时间序列预测在许多现实世界的动态系统中具有重要意义,并已得到广泛研究。与自然语言处理(NLP)和计算机视觉(CV)不同,其中单个大型模型可以处理多个任务,时间序列预测模型通常需要专门设计,以满足不同任务和应用的需求。虽然预训练的基础模型在NLP和CV领域取得了令人印象深刻的进展,但其在时间序列领域的发展仍受限于数据稀疏性。最近的研究表明,大型语言模型(LLM)在处理复杂的标记序列时,具备稳健的模式识别和推理能力。然而,如何有效地对齐时间序列数据和自然语言并利用这些能力,仍然是一个挑战。
VachelHu
2024-01-30
550
0
时序 Patch 再进化:基于独立策略学习时序Patch特征表示
论文
模型
重构
patch
架构
之前,我们解读过时间序列预测模型中的经典文章PatchTST。事实上,Patch方法目前在时间序列领域几乎等同于attention。
VachelHu
2024-01-22
406
0
综述 | 基于图神经网络的时间序列模型
异常
神经网络
架构
模型
数据
时间序列是用于记录动态系统测量的主要数据类型,由物理传感器和在线过程(虚拟传感器)大量生成。因此,时间序列分析对于解锁可用数据中隐含的信息财富至关重要。随着图神经网络(GNNs)的最新进展,基于GNN的方法在时间序列分析中出现了激增。这些方法可以明确地建模时间间和变量间的关系,而传统的方法和其他基于深度神经网络的方法在这方面却难以做到。
VachelHu
2024-01-22
336
0
AAAI 2024 | 基于对比学习的时序表示方法:TimesURL
优化
框架
设计
数据
性能
学习适用于各种下游任务的通用时间序列表示在实际应用中很有价值。最近,不少研究人员试图利用计算机视觉(CV)和自然语言处理(NLP)中自我监督对比学习(SSCL)方法来解决时间序列的表示问题。
VachelHu
2024-01-14
411
0
TKDE 2024 | 基于提示学习的时序预测模型:PromptCast
数据采集
性能
时序预测
模型
数据
对时间序列数据构建大模型,并适配各种时序任务(比如:时序预测)是最近时序研究的新视角。最近来自澳大利亚新南威尔士大学的几位研究者提出了一种新的预测范式:基于提示的时间序列预测(PromptCast)。在这项任务中,时序数字输入和输出被转换为提示,预测任务以句子对句子的方式构建,从而可以直接应用语言模型进行预测。
VachelHu
2024-01-14
360
0
ICLR 2024 | 利用纯卷积结构也可以构建优秀的时间序列模型
变量
论文
模型
设计
性能
最近,基于Transformer和基于MLP的模型在时间序列分析中迅速崛起并占据主导地位。相比之下,卷积在当今的时间序列任务中因性能不佳而失去动力。
VachelHu
2024-01-05
539
0
TPAMI 2023 | 检测时间序列边界的通用框架:Temporal Perceiver
框架
论文
模型
视频
网络
这里分享一篇来自TPAMI 2023的论文,研究者提出了一种对视频中一类因为语义不连贯而自然产生的时序边界 (Generic Boundary) 的通用检测方法,基于 Transformer Decoder 建立了一个编码器-解码器结构,希望解决对任意自然时序边界的检测问题。具体内容我们一起来看看。
VachelHu
2024-01-04
124
0
2023 年度盘点 | 时序图神经网络的热门应用速览(含交通、医疗等领域)
神经网络
医疗
论文
模型
数据
时间序列图神经网络是一种结合了图神经网络和时间序列分析的方法,用于对动态系统中的数据进行建模和预测。与传统的时间序列模型不同,图神经网络可以有效地捕捉时间序列数据中的时序信息和模式,并进行预测和分类。
VachelHu
2024-01-04
623
0
从 Rocket 到 MultiRocket:时间序列分类技术的进化之路
卷积神经网络
论文
内核
数据
性能
时间序列分类(time series classification)是数据挖掘领域的重要任务,它涉及对按时间顺序排列的数据点进行标记和预测。此类数据广泛存在于金融、医疗、工业等多个领域,因此时间序列分类对于决策支持和系统开发具有重要意义。
VachelHu
2023-12-27
524
0
点击加载更多
社区活动
腾讯技术创作狂欢月
“码”上创作 21 天,分 10000 元奖品池!
立即发文
Python精品学习库
代码在线跑,知识轻松学
立即查看
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
立即体验
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
立即查看
领券
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档