值得探索的AI开源项目：工具、网站与应用合集
Koopa: 马里奥世界中的神奇生物与前沿时间序列动力学研究
本文深入探讨了马里奥游戏中的标志性生物Koopa，以及以其命名的前沿时间序列动力学研究项目。从游戏角色到尖端科技，Koopa展现了从虚拟世界到现实科研的奇妙跨越。
时间序列预测的特征工程技术
深入探讨时间序列预测中的特征工程方法,包括趋势特征、季节性特征、滞后特征等多种技术,以提高预测模型的准确性和稳定性。
Large Time Series Models: A Revolutionary Approach to Time Series Analysis
大型时间序列模型为时间序列分析带来了革命性的变革。本文详细介绍了Timer这一基于生成式预训练Transformer的大型时间序列模型,探讨了其在预测、插补和异常检测等任务中的卓越表现,以及在可扩展性和灵活性方面的优势。
Microsoft Finance Time Series Forecasting Framework (finnts): 智能财务预测的革新工具
finnts是由微软财务团队开发的自动化时间序列预测框架,旨在为企业财务分析和预测提供高效、准确的解决方案。本文深入探讨了finnts的功能特性、应用场景和技术优势,展示了其如何revolutionize财务预测领域。
pyspi: 多变量时间序列对比分析的强大工具
pyspi是一个用于多变量时间序列中成对交互分析的综合Python库,提供了250多种统计量来量化时间序列对之间的关系。
CEEMDAN_LSTM: 基于EMD方法和LSTM的分解-集成预测模型
CEEMDAN_LSTM是一个Python项目,用于基于EMD方法和LSTM的分解-集成预测模型。它旨在帮助初学者快速实现使用CEEMDAN(完全集合经验模态分解与自适应噪声)和LSTM(长短期记忆 神经网络)的分解-集成预测。
wxee: 连接Earth Engine和xarray的强大Python工具
wxee是一个创新的Python库,为处理时间序列栅格数据提供了便捷的接口,将Google Earth Engine的数据目录和处理能力与xarray的灵活性无缝集成。
EasyTPP: 开放基准测试时序点过程的开源工具库
EasyTPP是一个用于时序点过程(Temporal Point Process)研究的开源工具库,提供了统一的数据集接口、多种评估指标和常用模型实现,旨在促进该领域的可复现研究和基准测试。
深度学习在人类行为识别中的应用进展
本文综述了近年来深度学习技术在人类行为识别领域的最新研究进展,介绍了主流的深度学习模型及其在该任务中的应用,并探讨了未来研究的方向。
HyperTS：全管道自动化时间序列分析工具包
HyperTS是一个功能强大的Python开源库，提供端到端的时间序列分析解决方案。它支持预测、分类、回归和异常检测等多种任务，集成了统计、深度学习和神经架构搜索等多种模型，为用户提供了简单易用的API接口。
dtwclust:强大的时间序列聚类R包
dtwclust是一个用于时间序列聚类的R包,提供了多种聚类策略和动态时间规整(DTW)距离的优化。它实现了传统和新型的聚类算法,支持自定义距离度量和质心定义,是进行时间序列聚类分析的强大工具。
时间序列分析与Python实战指南 - 从入门到精通
本书为数据分析师、数据科学家和Python开发者提供了一套全面的时间序列分析和预测技术实用指南,涵盖了从数据准备、探索性分析到高级建模的各个方面,帮助读者掌握使用Python进行时间序列分析的实用技能。
TFB: 全面公平的时间序列预测基准测试工具
TFB是一个开源库,旨在为时间序列预测研究人员提供全面公平的基准测试平台。它提供了清晰的代码库,用于对时间序列预测模型进行端到端评估,并在各种评估策略和指标下与基准算法进行性能比较。
StateSpaceModels.jl: Julia语言中强大的时间序列分析工具包
StateSpaceModels.jl是一个用于时间序列分析的Julia语言工具包,提供了丰富的状态空间模型功能,包括卡尔曼滤波、最大似然估计、预测和模拟等,为时间序列建模和预测提供了强大而灵活的解决方案。
SAITS: 一种基于自注意力机制的时间序列缺失值填补方法
SAITS是一种创新的基于自注意力机制的时间序列缺失值填补方法,旨在解决RNN类模型存在的问题,并在多变量时间序列缺失值填补任务上达到了最先进的性能。本文将详细介绍SAITS的动机、方法原理、模型结构以及在多个数据集上的实验结果。
Hurst指数: 时间序列分析中的关键工具
深入解析Hurst指数在金融、水文学等领域的应用,介绍Python中hurst库的使用方法,探讨R/S分析在长期相关性研究中的重要性。
PyEMMA: 强大的马尔可夫模型分析工具包
PyEMMA是一个开源的Python/C包,专门用于分析大规模分子动力学模拟数据。它提供了一系列算法来估计、验证和分析马尔可夫状态模型、隐马尔可夫模型等,是分子动力学研究中不可或缺的工具。
TagAnomaly: 微软开源的多时间序列异常检测标记工具
TagAnomaly是微软开发的一款开源工具,专门用于多个时间序列(每个类别一个时间序列)的异常检测分析和标记。它提供了直观的可视化界面,支持交互式异常点标记,并能与其他时间序列进行比较分析,是一款功能强大的时间序列异常检测辅助工具。
Streamlit Prophet: 可视化时序预测应用的利器
Streamlit Prophet是一个强大的Python工具，它结合了Streamlit和Prophet库，让用户能够以可视化的方式轻松构建、评估和优化时间序列预测模型。
SciPy 2019大会:科学计算与Python的盛宴
SciPy 2019大会是第18届年度科学计算与Python大会,于2019年7月8-14日在美国德克萨斯州奥斯汀举行。这场盛会汇聚了800多名来自工业界、学术界和政府部门的参与者,展示最新项目,分享技术经验,共同推动科学计算发展。
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号