序列模型 - 搜索结果 - 知乎

墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 200+累计阅读 243平均单平台已同步平台优快云微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网我也要 → 码龄19年

关注

转载最新推荐文章于 2026-03-29 04:00:44 发布 243 阅读 AI 写同款· GEO 优化 ›

时间序列数据预测——15种时序大模型本文综述了时间序列大模型(TSFM)的最新进展，系统介绍了11种主流模型(如TimeGPT、Lag-Llama、Moirai等)的架构特点、训练数据和创新点，并对比分析了它们在单变量/多变量预测、概率预测等功能上的差异。研究表明，基于"大规模预训练-微调/零样本"范式的TSFM在标准数据集(如M4、ETT)上展现出优于传统方法的性能，Time-MoE等模型更达到SOTA水平。但TSFM仍面临计算成本高、可解释性差等挑战，未来发展方向包括轻量级架构、多模态融合和可解释性增强。阅读详情

序列模型 - 搜索结果 - 知乎

收录于

自动驾驶

当前文章被收录于：

自动驾驶

12 篇文章 1 人学习

订阅专栏查看详情

当前文章被以下社区和专栏收录：

标签

#自动驾驶

原文链接：https://www.zhihu.com/search?hybrid_search_extra=%7B%22sourceType%22%3A%22answer%22%2C%22sourceId%22%3A874715486%7D&hybrid_search_source=Entity&q=%E5%BA%8F%E5%88%97%E6%A8%A1%E5%9E%8B&search_source=Entity&type=content>

【资源贴】时间序列算法与模型GitHub资源及Python库本文整理了时间序列分析和异常检测领域的常用算法资源，包含三大类内容：1）基于Transformer的先进模型（iTransformer、Informer等14种）的GitHub和Python库资源；2）传统统计模型（ARIMA、SARIMA等10种）在statsmodels中的实现方式；3）异常检测方法（30+种）对应的Python库和安装方式。重点推荐Nixtla生态、Darts等7个综合时间序列库，并标注了官方实现的12个高可信度模型。所有资源均提供具体安装命令和仓库链接，方便开发者快速获取。阅读详情

相关推荐

AI大模型：改善电商平台搜索结果相关性的新方法

《AI大模型：改善电商平台搜索结果相关性的新方法》关键词：人工智能大模型、电商平台、搜索结果相关性、深度学习、自然语言处理摘要：本文深入探讨了人工

AI天才研究院 1061

时间序列预测领域表现优秀的模型

1. **TimeGAN (Time-series Generative Adversarial Network)**：TimeGAN是一种合成时间序列数据的实现，它结合了无监督GAN方法的多功能性与对有监督自回归模型提供的条件概率原理，以生成保留时间动态的时间序列。2. **C-RNN-GAN (Continuous RNN-GAN)**：C-RNN-GAN是使用GAN生成连续序列数据的一个例子，其中生成器是一个RNN，判别器是一个双向RNN，允许判别器在两个方向上获取序列上下文。

AI 前沿技术实战博客：LLM / Agent / AI 制药 / 生信四大栏目日更，硬核干货 + 可复现代码，看完就能上手 1831

DeepSeek算法深度剖析：探寻搜索结果优化的密码

DeepSeek 算法诞生于人工智能飞速发展的时代背景下，当时随着互联网信息的爆炸式增长，传统搜索算法在处理海量数据时逐渐暴露出效率低下、准确性不足等问题，难以满足用户日益增长的对精准信息获取的需求。在这样的情况下，DeepSeek 算法应运而生，其研发团队致力于通过创新的技术手段，打造出一款能够在复杂数据环境中快速、准确地为用户筛选出有价值信息的搜索算法。从研发初期开始，DeepSeek 算法就不断在技术上取得突破。

远程部署调试运行安装项目调试二次开发项目技术新持续迭代部分源码免费分享 2273

知乎推荐页Ranking经验分享

文章概要本次分享主题主要从以下是三个方面展开： o 知乎推荐页场景和Ranking历程介绍； o 深度学习在Ranking中的尝试和应用现状； o Ranking面临的问题和未来研究方向。首先大家看一下知乎APP的推荐页的推荐结果，由于单厚智老师对机器学习比较感兴趣，所以推荐内容大部分和机器学习相关。一、推荐页请求流程 1、召回：负责将用户可能感兴趣的内容提取出来，重点是全。 o 基于话题...

gt9000的博客 860

中科蓝讯AB536X/AB892X芯片开发避坑指南：Downloader配置中那些容易忽略的细节

本文详细解析中科蓝讯AB536X/AB892X芯片开发中Downloader配置的关键细节，包括软开关机实现、触摸灵敏度调试、量产校频等常见问题。特别针对无PR口芯片的替代方案、触摸参数优化、校频流程等易忽略环节提供实用解决方案，帮助开发者规避量产风险，提升开发效率。

weixin_30687051的博客 476

maya后台批量比对maya文件层级

在cg制作过程中，为了统一制作规范，提高效率我们Pipeline都会制作一个比对层级的工具下面介绍的是maya利用batch文件进行模型与绑定和材质文件进行比对层级。直接上代码： #!usr/bin/env python # -*- encoding: utf-8 -*- """ @author:MCC @file: compareUI @time: 2018/11/21 16:29 """ i...

CGpipelineTD 1642

生信步骤｜MAFFT结合HMMER进行多序列比对和基于隐马模型的基因搜索

蛋白质都是由相似的小型结构域组成的。如果我们有若干个已知的蛋白序列，那我们就可以根据这些蛋白序列比较其含有的保守域，寻找在蛋白数据库中上是否也有一样保守域的蛋白。而后根据统计学模型，将显著性较高的蛋白序列预测为同一类基因家族蛋白。随着蛋白质数据库的日趋完善，使用蛋白质结构域进行序列比对相比起传统的序列全长比对更具优势。对于每个蛋白质家族，通常有数千个已知的同源蛋白可以比对成较深的多重序列。序列比对揭示了一种特定于该结构域的结构和功能的进化模式(profile)。这些模式可以用概率模型捕捉到。

学术程稻属 6089

CH340驱动安装全攻略：从Windows到MacOS的避坑指南（2025最新版）

本文提供2025年最新版CH340驱动安装全攻略，涵盖Windows、MacOS和Linux三大操作系统。详细解析了驱动安装的核心原理、标准流程，并针对Windows设备管理器报错、MacOS系统安全限制等常见“坑点”提供了深度排错与解决方案，旨在帮助开发者快速稳定地完成USB转串口通信配置。

earth的博客 426

时间序列模型公平性大揭秘：为什么序列长度超参数设置如此关键？

在深度时间序列分析领域，Time-Series-Library（TSLib）作为一个**全面的深度学习库**，为研究人员提供了五大主流任务的统一评估平台。然而，许多初学者常常忽略了一个关键问题：序列长度超参数设置的公平性。🚨 [![时间序列数据集概览](https://link.gitcode.com/i/5582d00445c340f82f5650c2aa197bec)](https://l

gitblog_01154的博客 542

DSI3协议介绍

分布式系统接口（DSI）是一种通用且功能强大的总线协议，旨在将多个遥感器和执行器设备互连到中央控制模块。该网络的主要目标应用是汽车安全系统。这种应用的一些特点是需要低成本、高鲁棒性、中速互连，仅限于两根导线。此外，它必须具有故障安全性、确定性和良好的EMC特性。即使具有所有级别的智能和可编程性的设备都可以连接到网络，远程设备也必须能够通过简单的状态机实现。由于模块尺寸非常重要，因此中央模块和远程单元中的最小组件至关重要。

汽车电子软件领域知识分享 1万+

Unity3D实现视频和模型融合效果

在Unity中，视频和3D模型融合通常涉及到将视频表面内嵌到3D场景中。视频不影响模型的展示, 这可以通过使用Shader和Texture来实现。大家好，我是心疼你的一切，不定时更新Unity开发技巧，觉得有用记得一键三连哦。下面就让我们进入正文吧!提示：以下是本篇文章正文内容，下面案例可供参考本次介绍的就是视频和模型融合的实现，以后有其他的需要添加的会继续添加不定时更新Unity开发技巧，觉得有用记得一键三连哦。么么哒。

心疼你的一切博客 5357

知乎推荐页Ranking构建历程和经验分享

本次分享主题主要从以下是三个方面展开：知乎推荐页场景和Ranking历程介绍；深度学习在Ranking中的尝试和应用现状；Ranking面临的问题和未来研究方向。首先大家看一下知乎APP的推荐页的推荐结果，由于单厚智老师对机器学习比较感兴趣，所以推荐内容大部分和机器学习相关。一、推荐页请求流程1、召回：负责将用户可能感兴趣的内容提取出来，重点是全。基于话题：获取用户的关注数据，用户行为挖掘；基于...

weixin_34348805的博客 162

软件设计师---钉子户

我从不打没有准备的仗！ 2万+

MarkLogic 中的搜索结果排名优化

1.背景介绍 MarkLogic是一个强大的大数据处理平台，它提供了高性能、可扩展的搜索功能。在实际应用中，我们经常需要对搜索结果进行排名优化，以提高用户查询的准确性和相关性。本文将深入探讨MarkLogic中的搜索结果排名优化技术，包括核心概念、算法原理、实例代码和未来趋势。 2.核心概念与联系在MarkLogic中，搜索结果排名优化主要依赖于两种核心技术：分析器和排名器。分析器负责将用...

AI天才研究院 327

S7-1200 PN与G120变频器控制起停及调速PROFINET实现详解

S7-1200 PLC与G120变频器通过PROFINET通信可实现高效、实时的电机控制。2. 《S7-1200与G120 CU250S-2PN的PROFINET通讯指南》- 控制器：S7-1200 PLC (如1214C DC/DC/DC)- 变频器：G120 CU250S-2PN (带PROFINET接口)- 输出区(PZD1-2)：控制字(16位)、速度设定值(16位)- 输入区(PZD1-2)：状态字(16位)、实际速度值(16位)- P922=1：选择报文类型为"标准报文1 (PZD2/2)"

电工 1866

手把手教程 | 使用 apktool 修改已发布 APK 的版本号与版本名称

摘要：本文介绍如何使用apktool工具直接修改APK版本信息，适用于版本回滚、多版本测试等场景。详细步骤包括反编译APK、修改版本号、重打包、对齐优化和重新签名，并分享了反编译相关实用知识。该方法无需源代码参与，但需注意修改后的APK必须重新签名才能安装。最后强调应在合法范围内使用反编译技术。

学无止境 826

浅谈推荐系统DIN用户行为序列模型

阿里巴巴2018年提出的深度兴趣网络(DIN)创新性地将注意力机制引入推荐系统，解决了传统Embedding+MLP模型无法充分捕捉用户行为序列信息的痛点。DIN通过自适应计算用户历史行为与候选广告的相关性权重，实现了兴趣的"局部激活"，相比简单Pooling显著提升了CTR预测效果。该模型还提出了自适应正则化、Dice激活函数等优化技术，在阿里电商场景中获得10%的CTR提升。DIN开创了用户深度兴趣建模的新范式，后续衍生出DIEN、DSIN等改进模型，至今仍是工业界重要的基准模型。其

m0_65095375的博客 993

文档：亲测可用解决vnc灰屏，黑屏，鼠标大黑叉情况

主要解决vnc-viewer灰屏，黑屏，鼠标大黑叉等现象，详细见文档。

上一篇：无人驾驶——模型预测算法MPC - 简书

下一篇： MAC地址和IP地址是如何转换的 - 简书

AI大模型：改善电商平台搜索结果相关性的新方法

AI天才研究院

10-12

1061