time series analysis
PulseAugur coverage of time series analysis — every cluster mentioning time series analysis across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
联邦学习中的生成模型在物联网预测性维护中的应用分析
一篇新的研究论文探讨了在物联网（IoT）系统的预测性维护中，在联邦学习框架内使用生成模型。该研究分析了变分自编码器（VAE）、生成对抗网络（GAN）和扩散模型（DM），以检测时间序列数据中的异常，这是工业基础设施的关键任务。在五个客户端和两个工业基准上的实验揭示了模型效用、稳定性和通信效率方面的权衡，其中扩散模型的解码器共享在匹配完全联邦的同时显著降低了通信成本。
-
时间序列分析与预测系列探讨模型与应用
本系列共三部分，深入探讨时间序列分析与预测，涵盖基础知识、使用Pandas进行数据准备以及各种预测模型。第三部分侧重于建模，探索ARIMA、SARIMA、ETS、Prophet、NPTS和Transformers等技术。它还详细介绍了评估指标、概率预测，并使用Google股价和模拟序列等数据集，提供了ARIMA、Time Series Transformer和LSTM等模型的代码演练。该系列强调实际应用，包括电子商务收入预测和警报器分类。
-
综述论文详述长视界预测挑战与深度学习解决方案
一篇新发表在arXiv上的综述论文详细介绍了时间序列分析中的长视界预测（LHF）问题，这是一个持续了35年之久的挑战。论文探讨了包括各种变换、卷积方法和注意力机制在内的深度学习技术如何应用于解决LHF问题。它还强调了能够提高性能的数据预处理和特征构建策略，并特别关注了像xLSTM和Triformer这样在误差传播特性方面有所改进的模型。