多变量时间序列预测任务的目标是实现对未来一段多变量序列进行精准预测。当前主流的时序预测工作，主要基于data-driven learning研究变量数量固定的数...

论文标题：BLAST: Balanced Sampling Time Series Corpus for Universal Forecasting Model...

实验表明，PREIG在RMSE和MAPE指标上显著优于传统计量模型(ARIMA,GARCH)和深度学习基线(BPNN,RNN)。与标准GRU相比，该模型在保持预...

论文标题：Does Multimodality Lead to Better Time Series Forecasting?

论文标题：Output Scaling: YingLong-Delayed Chain of Thought in a Large Pretrained Tim...

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...