谷帆323-优快云博客

原创 word插入MathTpye

【注】第七步由点错误，把第七步文件放到第五步文件的上一级文件，即Office16文件中即可。

2025-03-10 15:35:57 133

原创详解ESP32模块的引脚分配图和定义

参考博主：详解ESP32模块的引脚分配图和定义_esp32引脚图详细解释-优快云博客

2024-11-28 13:59:10 441

原创十分钟安装Tensorflow-gpu2.6.0+本机CUDA12 以及numpy+matplotlib各包版本协调问题，按照自己的来：

前面创建环境之类请看博主：十分钟安装Tensorflow-gpu2.6.0+本机CUDA12 以及numpy+matplotlib各包版本协调问题_tensorflow cuda12-优快云博客主要博主后面安装的各种包，一键安装：或单独安装：

2024-11-17 23:13:38 403 1

然而，在时间序列预测任务中，样本点的序列位置关系非常重要，Transformer虽然通过Attention机制实现了超长周期的特征对齐，位置信息只能依赖于position emedding，影响了Transformer在时间序列预测中的应用。模型结构如下图所示，CNN模型增强了上下文信息的提取能力，左图中CNN尺寸为1，即无卷积的情况下，每个时刻的特征单独进入Transformer，当两个时刻的特征相似时，由于上下文环境（即前后时刻的值）不同，因此这两个时刻表达的信息不同，而左侧模型无法提取这个信息。

2024-04-19 19:46:24 2433

原创 2024丨时间序列预测（Time Series Prediction）论文汇总

提出了STanHop-Net，一种新颖的时间序列预测模型，将基于 Hopfield 的模块与外部存储模块相结合，增强学习能力，对突发事件快速响应，并具有卓越的理论保证和经验性能。一个灵活的多变量概率时间序列预测模型，简化了attentional copulas，在不同的预测任务中具有最先进的精度，同时支持插值和从不规则数据中学习。通过使用 copula 对时间步长的依赖性进行建模，显着提高共形预测置信区间的效率/清晰度，用于多步时间序列预测。时间序列分析、时间序列预测、复值神经网络，轻量级。

2024-04-19 18:46:46 17818

原创 ICML 2023丨时间序列预测（Time Series Prediction）论文汇总

在九个真实世界的数据集上进行了广泛的实验。事实上，虽然朴素的深度时间指数模型比经典时间指数模型的手动预定义函数表示更具表现力，但它们不足以进行预测，由于缺乏归纳偏差，无法泛化到看不见的时间步长。在本文中，我们采取了一条不同且更具挑战性的路线，旨在开发一种可自我解释的模型，称为反事实时间序列（CountTS），它为时间序列预测生成反事实且可操作的解释。具体来说，我们形式化了时间序列反事实解释问题，建立了相关的评估协议，并提出了一种具有时间序列溯因、行动和预测的反事实推理能力的变分贝叶斯深度学习模型。

2024-04-19 18:05:48 1063

原创 NeurIPS 2023丨时间序列预测（Time Series Prediction）论文汇总

【2】Finding Order in Chaos: A Novel Data Augmentation Method for Time Series in Contrastive Learningr 论文链接：https://arxiv.org/abs/2309.13439 代码链接：https://github.com/eth-siplab/Finding_Order_in_Chaos 一句话总结全文：提出了一种用于准周期时间序列任务的新型数据增强方法，旨在将类内样本连接在一起，从而在

2024-04-19 17:48:33 1523

原创 IJCAI 2023丨时间序列预测（Time Series Prediction）论文汇总

尽管深度学习模型在时间序列预测中，特别是递归神经网络（RNN）取得了很好的结果，但对时间序列模型的解释却很少受到关注，而时间序列模型在高风险应用中至关重要。为了充分利用SNN和注意力机制的优势，我们提出了一种基于SNN的时空自注意（STSA）机制，该机制在不破坏SNN异步传输特性的情况下计算跨时间和空间域的特征依赖性。对于许多真实世界的时间序列任务，流行的深度学习模型的计算复杂性往往阻碍了在资源有限的环境（例如智能手机）上的部署。在来自不同领域的七个常用数据集上的实验结果证明了我们的模型的优越性。

2024-04-19 17:08:23 1129

原创 WWW 2023丨时间序列预测（Time Series Prediction）论文汇总

最后，在公共数据集上进行的大量实验显示了GROUP的优势，它为实现云原生应用程序的工作负载预测提供了有效的解决方案。此外，由于LLLS的块间和块内发送空闲，很难在LLLS中获得有效的带宽测量样本。DeeProphet通过使用细粒度的TCP状态信息收集有效测量样本来识别数据包突发间隔，并结合时间序列模型和基于学习的模型来预测大的变化和不确定的波动，从而克服了上述挑战。为了解决这个问题，在本研究中，与灾难相关的Twitter数据被纳入协变量，以了解公众对灾难事件的认识和关注，从而了解它们对人类流动性的影响。

2024-04-19 15:00:39 801

原创 ICLR 2023 时间序列预测（Time series prediction）论文汇总

并且该模型可以参加更长的历史。时间分布的变化，随着时间的推移，潜在的动态变化，经常发生在现实世界的时间序列中，并对深度神经网络 (DNN) 提出了根本性的挑战。KNF 施加适当的归纳偏差以提高对分布变化的鲁棒性，既使用全局运算符来学习共享特征，又使用本地运算符来捕获不断变化的动态，以及专门设计的反馈回路，以随着时间的推移不断更新学习到的运算符以快速变化行为。我们的研究发现了一种新的攻击模式，它通过对少数其他时间序列的过去观察进行战略性的、稀疏的（不可察觉的）修改，对目标时间序列的预测产生负面影响。

2024-04-19 11:46:19 2579

qq_41300595的博客

原创 word插入MathTpye

原创详解ESP32模块的引脚分配图和定义

原创十分钟安装Tensorflow-gpu2.6.0+本机CUDA12 以及numpy+matplotlib各包版本协调问题，按照自己的来：

原创深度学习----时间序列预测应用

原创 2024丨时间序列预测（Time Series Prediction）论文汇总

原创 ICML 2023丨时间序列预测（Time Series Prediction）论文汇总

原创 NeurIPS 2023丨时间序列预测（Time Series Prediction）论文汇总

原创 IJCAI 2023丨时间序列预测（Time Series Prediction）论文汇总

原创 WWW 2023丨时间序列预测（Time Series Prediction）论文汇总

原创 ICLR 2023 时间序列预测（Time series prediction）论文汇总

原创 csv数据合并

原创【训练集、验证集、测试机】的区别

原创深度学习模型评价指标（RMSE、MSE、MAE、MAPE、SMAPE）

原创深度学习使用自己的csv文件进行数据处理

基于LED室内可见光的边界定位精度研究_温倩.caj

空空如也