Transformer频域消偏优化时序预测准确性
Transformer在期间序列中曾经运行比拟宽泛，然而最近一些针对Transformer的钻研上班指出，Transformer的self，attention机制在建模序列数据时，比拟偏向于学习低频的消息，而疏忽了高频消息，形成频率偏向疑问......
高维多变量下的Transformer时序预测建模方法
当天给大家引见一篇CIKM2024中的期间序列预测上班，这篇文章针对高维多变量时序预测疑问，提出了一种基于Transformer的建模方法，论文题目，ScalableTransformerforHighDimensionalMultivar......
结合In 时序大模型AutoTimes 清华大学NeurIPS24
当天给大家引见一篇清华大学宣布于NIPS2024中的大模型期间序列预测上班AutoTimes，经常使用大模型启动自回归方式的期间序列预测，并结合In，ContextLearning优化预测成果，论文题目，AutoTimes，Autoregr......
ICLR24
这篇文章给大家引见一下ICLR2024中，用对比学习强化时期序列预测的一篇上班，这篇文章是韩国KAIST宣布的上班，经过在时期序列预测中引入对比学习，成功对Encoder建模窗口以外全周期时期序列消息的运行，论文题目，SELF，SUPERV......
一文汇总 时序预测中的多频率建模方法
频率是期间序列的一个关键消息，给定一个期间序列，可以经过依照不同频率的聚合，取得不同粒度的期间序列，比如，给定的原始期间序列是以小时为粒度的，那么经过将24个点加和成1个点，就可以构成以天为粒度的期间序列数据，不同的粒度，蕴含的消息也不同，......
经常使用Transformer来启动时序预测可还行
大言语模型的成功充沛证实了Transformer架构的先进性，越来越多的人宿愿把它运行到其它畛域，而非NLP畛域自身，因此也催生了以一套Transformer架构一致各种模态的钻研热点，而在工业界有一个十分经常出现的场景却鲜有触及，那就是结......
长周期时序预测有哪些优化点 一文汇总
长周期时序预测外围疑问长周期时期序列预测，指的是预测窗口较长一类时期序列预测疑问，普通来说，预测长度在50个点以上，就可以以为是长周期时期序列预测疑问，同时，预测长度的参与，会使得模型须要引入更长的历史序列，能力成功更好的预测，相比短周期时......
NeurIPS24 针对时序预测中时期戳特色的钻研
这篇文章给大家引见一下北邮在NeurIPS2024中宣布的一篇时期序列预测上班，重点钻研了假设有效应用时期戳特色优化时序预测成果，相关方法可以嵌入到现有的各类SOTA时序预测模型中，论文题目，RethinkingthePowerofTime......
共1页 8条