时序模型方向204篇论文大整理!包含时序预测/时序Transformer/时序大模型等最新研究

共 8740字,需浏览 18分钟

 ·

2024-05-22 16:16





时空预测引领了新的热点,时间序列预测领域的首个大模型 TimeGPT 引起业界热议,Transformer+时序,扩散模型+时序更是顶会新方向大热“种子”选手,时序+多方向正在成为这个AI界瞩目的黑马!




本文整理了时间序列的时序预测 / 时序-Transformer / 时序-大模型 / 时序-扩散四大方向的最新论文204篇。






扫码回复“时序”领204篇论文合集






















时间序列预测论文
















ICLR2024 




ClimODE: Climate Forecasting With Physics-informed Neural ODEs





AAL2024


MSGNet: Learning Multi-Scale Inter-Serjes Correlations for Multivariate Time Series Forecasting






NeurIPS2023


Frequency-domain MLPs are More Effective Lea深度之眼整理rners in Time Series Forecasting





ICML 2023


Learning Deep Time-index Models for Time S深度之眼整理eries Forecasting 








KDD 2023


TSMixer: Lightweight MLP-Mixer Model fo深度之眼整理r Multivariate Time Series Forecasting 






因篇幅有限 仅展示前5篇






扫码回复“时序”领204篇论文合集
























时间序列+transformer必读论文















1.iTransformer: InvertedTransformers Are Effective for Time Series Forecastina




2.Pathformer: Multi- Scale Transformers  With Adaptive Pathways For Time Series Forecasting




3.SCALEFORMER: ITERATIVE MULTI-SCALE REFINING TRANSFORMERS FOR TIME


SERIESFORECASTING




4.InParformer: Evolutionary Decomposition Transformers with Interactive Parallel Attentionfor LongTerm Time Series Forecasting




5.ContiFormer: Continuous-Time Tansformer for Irreqular Time Series Modeling






因篇幅有限 仅展示前5篇




扫码回复“时序”领204篇论文合集
























深度学习+时间序列预测必读论文

















卷积神经网络方法(4种算法模型)




1.CNN


Recent advances in convolutional neural networks






2.WaveNet-CNN


Conditional time series forecasting with convolutional neural networks






3.Kmeans-CNN


Short-term load forecasting in smart grid: a combined CNN and K-means clustering approach






4.TCN


An empirical evaluation of generic convolutional and recurrent networks for sequence modeling




因篇幅有限 仅展示前4篇






循环神经网络方法(3种算法模型)




1.RNN


Bidirectional recurrent neural networks




2.LSTM(长短期记忆网络)


Long short-term memory




3.GRU(门控循环单元)


Learning phrase representations using RNN encoder- decoder for statistical machine translation




Transformer方法(11种算法模型)




1.Transformer


Attention-based models for speech recognition




2.BERT


BERT: pre-training of deep bidirectional transformers for language understanding




3.AST


Adversarial sparse transformer for time series forecasting




4.Informer


Informer: beyond efficient transformer for long sequence time-series forecasting






因篇幅有限 仅展示部分








扫码回复“时序”领204篇论文合集
























时间序列新突破:大模型+时间序列















大模型处时间序列






1.基于Promtpt的方法


Leveraging Language Foundation Models for HumanMobility Forecasting




2.将时间序列进行离散化处理


AudioLM: a Language Modeling Approach to Audio Generation




3.时间序列-文本对齐代表论文


Open Vocabulary Electroencephalography-To-Text Decoding and Zero-shot Sentiment Classification




4.引入视觉信息


Leveraging Vision-Language Models for Granul深度之眼整理tar Market Change Prediction




5.大模型工具


Unleashing the Power of  Shared Label Structures for Human Activity Recognition






训练时间序列领域大模型




TimetGPT-1








扫码回复“时序”领204篇论文合集















针对目前的大热时序,我们请来了顶会审稿人chichi老师解读时空/时序预测研究现状与近期热点。




课程大纲:








- 以GNN为主的时空预测模型 




  • 经典GNN时空预测算法(如STGCN, GraphWaveNet) 


  • 近两年GNN时空预测算法 


  • 近期GNN时空预测算法研究热点






- 以Transformer为主的时序预测模型 




  • 经典Transformer时序预测算法(如Autoformer,Fedformer)


  • 近两年Transformer时序预测算法 


  • 近期Transformer时序预测算法研究热点






- LLM在时空/时序预测上的应用




  • 微调LLM做时空时序预测


  • 语言增强的时序/时空预测模型


  • LLM做时序预测的未来挑战与研究方向






- 针对时序新热点和应用总结






扫码解锁




时序最新热点解读直播课













另外,我们准备了32节时间序列系列课程基础上课程分为五个模块。






  • 模块一基础认识数据科学家


  • 模块二进阶时间序列预测概论+论文和代码讲解


  • 模块三项目实战基于股价和零售的时序项目实战


  • 模块四比赛实战数据科学入门赛+回答准确性预测赛


  • 模块五时序前沿前沿机器学习与时序+时序分析任务与最新应用场景









0.01元解锁《时间序列系列课》


32节课+37h+部分课件+部分课堂作业及代码




















一、时序课程介绍
























01- 认识数据科学家










了解数据科学家的概念,岗位分布、职责、技能、薪资、职业发展路线等  


—课程时长:1小时































02-时间序列预测基础






1:时间序列预测入门


2:时间序列预测代码实践


3:Forecasting at Scale论文讲解+代码讲解


—课程时长:6小时
















03-时序项目实战










1:夯实算法基础、熟悉算法原理,通过代码实操解决问题


2:系统掌握时序分析方法以及预测方法


—课程时长:8小时
































04-两场时序比赛实战






1:数据科学入门赛


2:回答准确性预测赛




—课程时长:20小时
















05-时序前沿项目










前沿机器学习与时序


时序分析任务与最新应用场景


—课程时长:2小时

































这次更新的时序课程时长37小时,总共32节0.01元即可解锁。







0.01元解锁《时间序列系列课》


32节课+37h+部分课件+部分课堂作业及代码















浏览 70
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报