代码可复现 | 2024 时间序列顶会研究全览！

【导读】

时间序列分析作为机器学习领域的关键部分，在众多实际场景中发挥着重要作用，从天气预报到金融市场预测，从医疗健康监测到工业生产优化，其应用广泛且意义重大。近年来，这一领域研究成果丰硕，在模型改进、跨领域应用和工具开发等方面均取得显著进展。

对于渴望在时间序列领域发表论文的同学而言，深入学习前沿研究成果十分必要。本文精心盘点了时间序列领域的最新顶会论文，并且所有论文代码均可复现，方便研究者深入探究。

希望这些介绍能为同学们带来启发，助力大家在时间序列领域的研究与论文创作，推动该领域的进一步发展。

点击【AI十八式】的主页，获取更多优质资源！

MOE Performance overview

【论文1:Transformer方向】

SAMformer: Unlocking the Potential of Transformers in Time Series Forecasting with Sharpness-Aware Minimization and Channel-Wise Attention

Performance comparison between our model (SAMformer) and baselines for multivariate long-term forecasting with different horizons H

1.研究方法

Architecture of the network used in SAMformer and Transformer

论文提出 SAMformer 模型用于时间序列预测。先通过研究简单线性预