时间序列+预训练大模型！最新开源成果性能暴涨42.8%

今天我们来聊一个新兴的、创新空间很大的方向：时间序列+预训练大模型。

预训练大模型因为在大规模多领域的数据集上进行训练，能学习到丰富的、跨领域的时间序列表示，在面对新的、没见过的时间序列数据时，它能够表现出更强的泛化性和数据处理能力，实现更高的准确性。

因此关于时间序列+预训练大模型的研究正在快速发展，并且已经在多个领域和应用中有了显著的成果，比如Chronos、清华Timer等，更有提高了42.8%性能的ViTST。

如果有同学有想法发论文，可以从零样本和通用性下手，这俩是这个方向关注的重点。另外为方便大家找参考，我整理了10个时间序列+预训练大模型最新成果，全都已开源可复现。

论文原文+开源代码需要的同学看文末

Time Series as Images: Vision Transformer for Irregularly Sampled Time Series

方法：论文介绍了一种新颖的方法，通过将非规则采样的时间序列转换为线图图像，然后利用预训练的ViT进行时间序列分类，类似于图像分类。该方法不仅简化了专门的算法设计，还具有成为时间序列建模的通用框架的潜力。

创新点：</