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...

这篇文章的思路就是：通过傅立叶变化，把时序数据自适应切分为最佳的、不同尺度的patch，然后设计patch内和patch间的注意力机制，进行下游任务。思路非常清...

darts是一个强大而易用的Python时间序列建模工具包。在github上目前拥有超过7k颗stars。

随着得物业务的快速发展，积累了大量的时序数据，这些数据对精细化运营，提升效率、降低成本有着重要作用。在得物的时序数据挖掘场景中，时序预测Prophet模型使用频...