最佳时间序列AI工具合集 - 实用项目与软件推荐

MOMENT: 时间序列分析的开源基础模型家族

MOMENT: 时间序列分析的开源基础模型家族

MOMENT是一个为时间序列分析设计的开源基础模型家族,可以用于多种任务如预测、分类、异常检测等。它通过在大规模多样化的时间序列数据上预训练,学习到了通用的时间序列表示,能够在少量数据和微调的情况下快速适应下游任务。

MOMENT时间序列基础模型预训练多任务Github开源项目
aeon:开源时间序列机器学习工具包

aeon:开源时间序列机器学习工具包

aeon是一个强大的开源时间序列机器学习工具包,兼容scikit-learn,提供最新的时间序列算法和经典技术,支持预测、分类等多种学习任务。本文详细介绍了aeon的特点、安装方法和使用示例。

aeon时间序列机器学习算法PythonGithub开源项目
Kaskada: 现代化开源事件处理引擎

Kaskada: 现代化开源事件处理引擎

Kaskada是一个统一的事件处理引擎,通过高级声明式查询语言提供强大的有状态流处理能力,可以轻松处理批量和实时事件数据。

Kaskada事件处理流处理查询语言时间序列Github开源项目
时间序列分析的利器:awesome-time-series项目解析

时间序列分析的利器:awesome-time-series项目解析

深入解读GitHub上热门的awesome-time-series项目,为您梳理时间序列分析的重要资源和工具。

时间序列数据分析机器学习Python可视化Github开源项目
时间序列分析在计算机科学顶级会议中的应用与发展

时间序列分析在计算机科学顶级会议中的应用与发展

本文全面综述了时间序列分析在计算机科学领域顶级会议中的最新研究进展,涵盖NIPS、ICML、ICLR、KDD等重要会议,探讨了时间序列预测、异常检测、分类等热点问题,以及深度学习、强化学习等新兴技术在时间序列分析中的应用。

时间序列预测机器学习深度学习数据分析Github开源项目
PyATS: 强大的网络测试和自动化解决方案

PyATS: 强大的网络测试和自动化解决方案

PyATS 是 Cisco 开发的一套全面的网络测试和自动化工具,为网络工程师提供了便捷高效的测试、验证和自动化能力。本文将详细介绍 PyATS 的特点、架构和使用方法,帮助读者充分利用这一强大工具提升网络运维效率。

时间序列异常检测OATS机器学习开源项目Github
Anomaly Transformer: 利用关联差异实现时间序列异常检测的创新方法

Anomaly Transformer: 利用关联差异实现时间序列异常检测的创新方法

本文介绍了一种新颖的时间序列异常检测方法——Anomaly Transformer,该方法通过关联差异和注意力机制,实现了对时间序列数据中异常点的无监督检测,在多个基准数据集上取得了领先的性能。

Anomaly-Transformer时间序列异常检测无监督学习注意力机制Github开源项目
NxSignal: 使用Elixir Nx进行数字信号处理

NxSignal: 使用Elixir Nx进行数字信号处理

NxSignal是一个基于Elixir Nx的数字信号处理库,提供了傅里叶变换、FIR滤波器、IIR滤波器等经典数字信号处理工具,可用于音频处理和时间序列分析等领域。

NxSignal数字信号处理ElixirNx时间序列Github开源项目
Merlion: 时间序列智能的机器学习框架

Merlion: 时间序列智能的机器学习框架

Merlion是一个强大的时间序列分析库,提供了端到端的机器学习解决方案,支持异常检测、预测和变点检测等多种任务。它具有标准化的数据加载、多样化的模型库、自动化的参数调优、灵活的评估流程等特点,旨在为工程师和研究人员提供一站式的时间序列建模工具。

Merlion时间序列机器学习异常检测预测Github开源项目
机器学习入门:从基础概念到实践应用

机器学习入门:从基础概念到实践应用

本文全面介绍了机器学习的基本概念、常见算法及应用场景,帮助读者快速了解这一领域的核心内容,为进一步学习打下基础。

machine-learning深度学习模型部署强化学习时间序列Github开源项目
UniRepLKNet: 一个通用感知的大核卷积神经网络

UniRepLKNet: 一个通用感知的大核卷积神经网络

UniRepLKNet是一种新型的大核卷积神经网络,能够在图像、音频、视频、点云和时间序列等多种模态任务上实现统一的通用感知能力,在多个基准测试中取得了最先进的性能。

UniRepLKNet大核卷积多模态识别时间序列图像识别Github开源项目
Time-Series-Library: 一个强大的深度时间序列分析库

Time-Series-Library: 一个强大的深度时间序列分析库

Time-Series-Library是一个开源的深度学习时间序列分析库,为研究人员提供了评估和开发先进时间序列模型的完整代码基础,涵盖了长短期预测、插值、异常检测和分类等主流任务。

深度学习时间序列TSLib预测异常检测Github开源项目
Darts: 强大易用的Python时间序列分析库

Darts: 强大易用的Python时间序列分析库

Darts是一个功能丰富的Python库,专门用于时间序列预测和异常检测。它提供了从经典统计模型到最新深度学习模型的多种算法,并且使用简单,适合各种时间序列分析任务。

Darts时间序列异常检测概率预测深度学习Github开源项目
TimeGPT: 革命性的时间序列预测与异常检测基础模型

TimeGPT: 革命性的时间序列预测与异常检测基础模型

TimeGPT是Nixtla公司开发的首个时间序列预测和异常检测基础模型,通过先进的生成式预训练变换器技术,实现了高效准确的多领域时间序列分析,为企业和研究人员提供了强大而易用的时序数据分析工具。

TimeGPT时间序列预测异常检测零样本推理Github开源项目
Chronos: 革命性的时间序列预测模型

Chronos: 革命性的时间序列预测模型

Chronos是亚马逊科学团队开发的一种基于语言模型架构的预训练时间序列预测模型。它通过将时间序列转换为token序列,并使用交叉熵损失训练语言模型,实现了高精度的概率预测。Chronos在多个基准数据集上展现出了卓越的零样本预测性能,为时间序列预测领域带来了新的突破。

Chronos时间序列语言模型AutoGluon预训练Github开源项目