我们看到的很多论文，大多把注意力集中到模型结构的改进上，比如：注意力机制、编码器、解码器设计和改进等。但是，却少有人关注到时间序列数据的embedding上。

从transformer出来后，感觉时序领域的研究就被其霸占，各类工作都是围绕其进行改进、升级。但Transformer提出已经七年了！继续卷Transform...

先前整理了4篇时间序列大模型的论文，ICML放榜之后，我重点关注了大模型相关的论文，再次梳理了谷歌、清华和CMU的3近期几篇时间序列大模型研究文章（后台回复：“...

这是时序可解释性论文汇总的第二篇，第一篇见这里（后台回复：“论文合集”可直接获取整理的文章）。深度学习的可解释性研究一直是热门，而时间序列的可解释性同样非常重要...

梳理了一些时间序列可解释性研究文章（后台回复：“论文合集”获取），深度学习的可解释性研究一直是热门，而时间序列的可解释性同样非常重要。这是因为时序模型被大量应用...

代码链接：https://github.com/ emadeldeen24/TSLANet.

论文标题：A DECODER - ONLY FOUNDATION MODEL FOR TIME - SERIES FORECASTING

论文标题：Irregular Multivariate Time Series Forecasting: A Transformable Patching Gr...

论文标题：N-BEATS N EURAL BASIS EXPANSION ANALYSIS FOR INTERPRETABLE TIME SERIES FORE...

论文标题：SparseTSF: Modeling Long-term Time Series Forecasting with 1k Parameters

论文标题：Efficient and Effective Time-Series Forecasting with Spiking Neural Network...

论文标题：SAMformer: Unlocking the Potential of Transformers in Time Series Forecasti...

KAN出来之后，我最关注的还是其在时间序列领域的应用，果不其然，立马看到两篇占坑（中性词）文章。这篇文章不是对论文的深度解读，只是提供一个信息渠道。吐槽一下，大...

梳理了近期几篇时间序列大模型研究文章（后台回复：“论文合集”获取），时间序列大模型的研究正在迅速发展，并且在多个领域和应用中展现出巨大的潜力。随着技术的不断进步...

扩散模型（diffusion model）是一类生成模型，运用了物理热力学扩散思想，主要用于对复杂数据分布进行建模和采样。以图片生成举例简要介绍下扩散模型运作方...

因此线性时序模型一直持续产出研究，其中2022年香港中文大学的一篇论文Are Transformers Effective for Time Series Fo...

这个错误最初在Informer（AAAI 2021 最佳论文）中被发现，是爱丁堡大学的Luke Nicholas Darlow发现。这个问题对时间序列预测领域的...

Patch TST发表于ICLR23，其优势在于保留了局部语义信息；更低的计算和内存使用量；模型可以关注更长的历史信息，Patch TST显著提高了时序预测的准...

我是从去年11月份开始，选定时间序列预测这个方向，准备在工作之余继续独立进行一些科学研究。选定这个方向是因为我对金融量化一直挺感兴趣，希望能把时间序列中的深度学...

本文为大家总结了近期发表的8篇高质量时序多尺度建模论文。后续将挑选出部分论文进行解读，欢迎大家关注。