transformer变体 + 时间序列

2024-05-24 02:04

本文主要是介绍transformer变体 + 时间序列,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

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

  • 论文地址:https://openreview.net/forum?id=1JkOCMP2aW&noteld=oPHVNbGopY
  • 代码链接:https://github.com/decisionintelligence/pathformer

Transformer:Inverted Transformers Are Effective for Time Series Forecasting

  • 论文地址:https://arxiv.org/abs/2310.06625
  • 论文源码:https://github.com/thuml/Time-Series-Library

SCALEFORMER:ITERATIVE MULTI-SCALE REFINING TRANSFORMERS FOR TIME SERIES FORECASTING

  • 论文地址:https://arxiv.org/pdf/2206.04038.pdf
  • 代码链接:https://github.com/BorealisAI/scaleformer

InParformer:Evolutionary Decomposition Transformers with Interactive Parallel Attention for Long-Term Time Series Forecasting

  • 论文地址:https://ojs.aaai.org/index.php/AAAI/article/view/25845/25617

SMARTformer:Semi-Autoregressive Transformer with Efficient Integrated Window Attention for Long Time Series Forecasting

  • 论文地址:https://www.ijcai.org/proceedings/2023/0241.pdf

FEDformer: Frequency Enhanced Decomposed Transformer for Long-term Series Forecasting

  • 论文地址:https://arxiv.org/abs/2201.12740
  • 代码链接:https://github.com/MAZiqing/FEDformer

ETSformer: Exponential Smoothing Transformers for Time-series Forecasting

  • 论文地址:https://arxiv.org/pdf/2202.01381.pdf
  • 代码链接:https://github.com/salesforce/ETSformer

Autoformer:Decomposition Transformers with Auto-Correlation for Long-Term Series Forecasting

  • 论文地址:https://arxiv.org/abs/2106.13008
  • 代码链接:https://github.com/thuml/Autoformer

Informer:Beyond Efficient Transformer for Long Sequence Time-Series Forecasting

  • 论文地址:https://arxiv.org/abs/2012.07436
  • 代码链接:https://github.com/zhouhaoyi/Informer2020

ContiFormer: Continuous-Time Transformer for Irregular Time Series Modeling

  • 论文地址:https://link.zhihu.com/?target=https%3A//neurips.cc/virtual/2023/poster/71304
  • 代码链接:https://seqml.github.io/contiformer/

GCformer: An Efficient Framework for Accurate and Scalable Long-Term Multivariate Time Series Forecasting

  • 论文地址:https://arxiv.org/pdf/2306.08325.pdf
  • 代码链接:https://github.com/zyj-111/GCformer

Stecformer: Spatio-temporal Encoding Cascaded Transformer for Multivariate Long-term Time Series Forecasting

  • 论文地址:https://arxiv.org/pdf/2305.16370.pdf

这篇关于transformer变体 + 时间序列的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/997056

相关文章

服务器集群同步时间手记

1.时间服务器配置(必须root用户) (1)检查ntp是否安装 [root@node1 桌面]# rpm -qa|grep ntpntp-4.2.6p5-10.el6.centos.x86_64fontpackages-filesystem-1.41-1.1.el6.noarchntpdate-4.2.6p5-10.el6.centos.x86_64 (2)修改ntp配置文件 [r

uva 10131 最长子序列

题意: 给大象的体重和智商,求体重按从大到小,智商从高到低的最长子序列,并输出路径。 代码: #include <iostream>#include <cstdio>#include <cstdlib>#include <algorithm>#include <cstring>#include <cmath>#include <stack>#include <vect

POJ1631最长单调递增子序列

最长单调递增子序列 import java.io.BufferedReader;import java.io.InputStream;import java.io.InputStreamReader;import java.io.PrintWriter;import java.math.BigInteger;import java.util.StringTokenizer;publ

MiniGPT-3D, 首个高效的3D点云大语言模型,仅需一张RTX3090显卡,训练一天时间,已开源

项目主页:https://tangyuan96.github.io/minigpt_3d_project_page/ 代码:https://github.com/TangYuan96/MiniGPT-3D 论文:https://arxiv.org/pdf/2405.01413 MiniGPT-3D在多个任务上取得了SoTA,被ACM MM2024接收,只拥有47.8M的可训练参数,在一张RTX

leetcode105 从前序与中序遍历序列构造二叉树

根据一棵树的前序遍历与中序遍历构造二叉树。 注意: 你可以假设树中没有重复的元素。 例如,给出 前序遍历 preorder = [3,9,20,15,7]中序遍历 inorder = [9,3,15,20,7] 返回如下的二叉树: 3/ \9 20/ \15 7   class Solution {public TreeNode buildTree(int[] pr

批处理以当前时间为文件名创建文件

批处理以当前时间为文件名创建文件 批处理创建空文件 有时候,需要创建以当前时间命名的文件,手动输入当然可以,但是有更省心的方法吗? 假设我是 windows 操作系统,打开命令行。 输入以下命令试试: echo %date:~0,4%_%date:~5,2%_%date:~8,2%_%time:~0,2%_%time:~3,2%_%time:~6,2% 输出类似: 2019_06

【MRI基础】TR 和 TE 时间概念

重复时间 (TR) 磁共振成像 (MRI) 中的 TR(重复时间,repetition time)是施加于同一切片的连续脉冲序列之间的时间间隔。具体而言,TR 是施加一个 RF(射频)脉冲与施加下一个 RF 脉冲之间的持续时间。TR 以毫秒 (ms) 为单位,主要控制后续脉冲之前的纵向弛豫程度(T1 弛豫),使其成为显著影响 MRI 中的图像对比度和信号特性的重要参数。 回声时间 (TE)

LeetCode:64. 最大正方形 动态规划 时间复杂度O(nm)

64. 最大正方形 题目链接 题目描述 给定一个由 0 和 1 组成的二维矩阵,找出只包含 1 的最大正方形,并返回其面积。 示例1: 输入: 1 0 1 0 01 0 1 1 11 1 1 1 11 0 0 1 0输出: 4 示例2: 输入: 0 1 1 0 01 1 1 1 11 1 1 1 11 1 1 1 1输出: 9 解题思路 这道题的思路是使用动态规划

O(n)时间内对[0..n^-1]之间的n个数排序

题目 如何在O(n)时间内,对0到n^2-1之间的n个整数进行排序 思路 把整数转换为n进制再排序,每个数有两位,每位的取值范围是[0..n-1],再进行基数排序 代码 #include <iostream>#include <cmath>using namespace std;int n, radix, length_A, digit = 2;void Print(int *A,

day-50 求出最长好子序列 I

思路 二维dp,dp[i][h]表示nums[i] 结尾,且有不超过 h 个下标满足条件的最长好子序列的长度(0<=h<=k),二维数组dp初始值全为1 解题过程 状态转换方程: 1.nums[i]==nums[j],dp[i,h]=Math.max(dp[i,h],dp[j,h]+1) 2.nums[i]!=nums[j],dp[i,h]=Math.max(dp[i,h],dp[j,h-1