文章 2024-11-12 来自:开发者社区

TSMamba:基于Mamba架构的高效时间序列预测基础模型

在当今数据驱动的世界中,时间序列预测在多个领域扮演着关键角色。从医疗保健分析师预测患者流量,到金融分析师预测股市趋势,再到气候科学家预测环境变化,准确的时间序列预测都至关重要。然而,传统的预测模型面临着三个主要挑战: 数据获取难度:对于新兴模式的预测,相关训练数据往往难以获取或收集。例如,LOTSA(最大的公开时间序列数据集)仅包含约270亿个时间点,而相比之下,NLP领域的数据集如RedP...

TSMamba:基于Mamba架构的高效时间序列预测基础模型
文章 2024-05-30 来自:开发者社区

[ICLR 2024] 基于Pathways架构的自适应多尺度时间序列预测模型Pathformer

开篇 近日,由阿里云计算平台大数据基础工程技术团队主导,与华东师范大学数据科学与工程学院合作的论文《Pathformer: Multi-Scale Transformers With Adaptive Pathways For Time Series Forecasting》被ICLR 2024接收,该论文提出了基于Pathways架构的自适应多尺度时间序列预测模型Pathformer,...

[ICLR 2024] 基于Pathways架构的自适应多尺度时间序列预测模型Pathformer
文章 2024-03-08 来自:开发者社区

ICLR 2024:基于Pathways架构的自适应多尺度时间序列预测

ICLR 2024会议上,《Pathformer: Multi-scale Transformers with Adaptive Pathways for Time Series Forecasting》一文掀起了一场关于时间序列预测的新浪潮。这篇论文介绍了一种名为Pathformer的全新方法,它基于多尺度Transformer模型,通过自适应路径来处理时间序列数据,以提高预测的精确度和泛化能....

ICLR 2024:基于Pathways架构的自适应多尺度时间序列预测

本页面内关键词为智能算法引擎基于机器学习所生成,如有任何问题,可在页面下方点击"联系我们"与我们沟通。

产品推荐

金融级分布式架构

SOFAStack™(Scalable Open Financial Architecture Stack)是一套用于快速构建金融级分布式架构的中间件,也是在金融场景里锤炼出来的最佳实践。

+关注