在时间序列分析领域，Transformer 正以惊人的速度打破 NLP 的边界。其独特的注意力机制与序列建模能力，完美契合时序数据的动态特性，促使学术界与产业界...

论文标题：From News to Forecast: Iterative Event Reasoning in LLM-Based Time Series F...

在分布式系统中，时序问题常常是开发者最头疼的部分。这些问题通常表现为某个服务的响应不及时、数据不同步、或是由于某些操作先后顺序的问题，导致系统运行异常。时序问题...

今天是我们的第11站，一起了解RNN循环神经网络的基本概念 以及 通过RNN来做时序预测的案例。

论文标题：Patch-wise Structural Loss for Time Series Forecasting

【新智元导读】TimeDistill通过知识蒸馏，将复杂模型（如Transformer和CNN）的预测能力迁移到轻量级的MLP模型中，专注于提取多尺度和多周期模...

2022年，清华大学软件学院的学者提出了Autoformer:用于长期时间序列预测的自相关分解Transformer延长预测时间是实际应用的关键需求，如极端天气...

Dlinear也提到了这个问题，但他们的分析仅限于用线性层替代注意力层。但是， Transformer架构时间信息丢失的问题（即自注意力机制的置换不变性和反序特...

Liyun Su, Lang Xiong和Jialing Yang在2024年发表了题为“Multi-Attn BLS: Multi-head attentio...

默认情况下，只有在时间序列的前80%才会推断出突变点；但是可以通过参数changepoint_range进行设置，例如，Python中的m = Prophet(...

题目：GinAR: An End-To-End Multivariate Time Series Forecasting Model Suitable for ...

论文标题：TimeMachine: A Time Series is Worth 4 Mambas for Long-term Forecasting

Liyun Su, Lang Xiong和Jialing Yang在2024年发表了题为“Multi-Attn BLS: Multi-head attentio...

生成抽卡消费列表，有n个充钱档次，没人会随机抽m次，可设置人数以及抽卡率，抽卡次数需要符合正态分布

这篇文章发表于KDD2024，作者的出发点以及写作思路特别好，属于先通过定量分析发现时序预测任务中，频域信息利用不合理的问题，然后有针对性的设计了Fredfor...

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...

论文标题：FEDformer: Frequency Enhanced Decomposed Transformer for Long-term Series F...

论文标题：iCROSSFORMER : TRANSFORMER UTILIZING CROSS DIMENSION DEPENDENCY FOR MULTIVA...