所有文章
> 当前分类:AI驱动
度量时间序列相似度的方法：从欧氏距离到DTW及其变种
2024/12/27
0 摘要 根据时间序列本身的不同特点，时间序列相似度的衡量存在多种方法。本文从欧氏距离出发，进一步延伸至动态时间规整 Dynamic Time Warping（DTW）、一些 DTW 存在的缺点和相关的解决办法以及 DTW...
深度时间序列预测和基础模型的研究进展
【AI驱动】
1 介绍 本文综述了深度学习在时间序列预测中的应用，特别是在流行病预测领域。尽管深度学习在时间序列预测中表现出显著优势，但仍面临挑战，如时间序列不够长、无法利用积累的科学知识以及模型的解释性。 基础模型的发展允许模型在大量训练数...
2024/12/27
大模型的模型压缩与有效推理综述
【AI驱动】
1 介绍 本文对大型语言模型的压缩和效率推理进行了综述。大型语言模型基于Transformer架构，具有强大的性能，但也带来了巨大的内存和计算成本。本文从算法角度对大型语言模型的压缩和效率推理方法进行了分类，包括量化、剪枝...
2024/12/27
深度学习时间序列异常检测方法
【AI驱动】
本文全面概述了深度学习用于时间序列异常检测的最新架构，提供了基于策略和模型的方法，并讨论了各种技术的优点和局限性。此外，还举例说明了近年来深度学习在时间序列异常检测中各领域的应用。 1 背景 时间序列是一系列按照时间...
2024/12/27
几何图神经网络综述：数据结构、模型与应用
【AI驱动】
几何图是一种具有几何特征的特殊类型的图，对于建模许多科学问题至关重要。与通用图不同，几何图通常表现出平移、旋转和反射等物理对称性，使得它们无法有效地由当前的图神经网络（GNN）处理。为了解决这个问题，研究人员提出了许多具有不变/同构属性的几...
2024/12/27
大模型背后的6大核心技术
【AI驱动】
大家好，今天我们一同来探讨一下那些大模型背后的核心技术！ 一、Transformer Transformer模型，无疑是大型语言模型的坚实基石，它开启了深度学习领域的新纪元。在早期阶段，循环神经网络（RNN）曾是处理序列数据的核...
2024/12/27
扩散模型及其应用进展综述
【AI驱动】
扩散模型是一种通过模拟扩散过程的概率模型，逐步向数据中添加和去除噪声，从而生成逼真的样本。这些模型由于能够生成高质量的样本，已经在图像处理、语音合成和自然语言处理等领域中获得了广泛的关注。随着扩散模型在各个领域的广泛应用，现有的文献综述往往...
2024/12/27
时间序列特征提取：从原理到Python实践
【AI驱动】
时间序列是一种特殊的存在。这意味着你对表格数据或图像进行的许多转换/操作/处理技术对于时间序列来说可能根本不起作用。 "特征提取"的想法是对我们拥有的数据进行"加工"，确保我们提取所有有意义的特征，以便下一步(通常是机器学习应用)可以...
2024/12/27
新型脉冲神经网络+大模型的综述与展望！
【AI驱动】
近年来大型语言模型（LLMs）的成功推动了大规模神经网络研究的热潮。然而，计算资源和能耗需求的不断增加促使人们开始寻找更加节能的替代方案。 受人脑启发，脉冲神经网络（SNNs）被称为第三代神经网络模型，实现了更高级的生物神经模拟水平，...
2024/12/27
深度解析Transformer、RNN和Mamba的联系！
【AI驱动】
通过探索看似不相关的大语言模型(LLM)架构之间的潜在联系,我们可能为促进不同模型间的思想交流和提高整体效率开辟新的途径。 尽管Mamba等线性循环神经网络(RNN)和状态空间模型(SSM)近来备受关注,Transformer架构仍然...
2024/12/27
无监督聚类算法，全汇总！
【AI驱动】
聚类算法在数据挖掘中很常用，它是将数据集中的对象根据相似性自动分组，形成多个类别或簇，以便更好地理解和分析数据。它的应用非常广泛，比如在市场分析中用于客户细分。 聚类算法按照算法原理，可以大致划分为以下几类， 基于距离...
2024/12/27
时间序列图神经网络最新综述(GNN4TS)
【AI驱动】
1.图神经网络在时间序列分析中的综合应用与进展 时间序列是用于记录动态系统测量结果的主要数据类型，并由物理传感器和在线过程（虚拟传感器）大量生成。因此，时间序列分析对于发掘可用数据中隐含的信息丰富性至关重要。随着图神经网络（GNNs）...
2024/12/26
时间序列自监督学习综述
【AI驱动】
自监督学习（SSL）是一种机器学习方法，最近在各种时间序列任务上取得了令人印象深刻的表现。SSL最显著的优点是它减少了对标记数据的依赖。基于预训练和微调策略，即使是少量的标记数据也能实现高性能。 今天分享一篇来自浙大和阿里等研究者们关...
2024/12/26
时间序列损失函数的最新综述！
【AI驱动】
摘要 时间序列预测方法包括使用一组历史时间序列进行预测，在信号处理、模式识别、计量经济学、数学金融、天气预报、地震预测等领域都有广泛应用。过去时间序列预测方法以线性方法为主，然而在许多最新的应用中已经尝试使用机器学习、深度学习、高斯过...
2024/12/26
一文梳理金融风控建模全流程(Python)
【AI驱动】
一、信贷风控简介 信贷风控是数据挖掘算法最成功的应用之一，这在于金融信贷行业的数据量很充足，需求场景清晰及丰富。 信贷风控简单来说就是判断一个人借了钱后面（如下个月的还款日）会不会按期还钱。更专业来说，信贷风控是还款能力及还款意...
2024/12/26
深入LSTM神经网络的时间序列预测
【AI驱动】
前言 RNN（循环神经网络）是一种节点定向连接成环的人工神经网络。不同于前馈神经网络，RNN 可以利用内部的记忆来处理任意时序的输入序列，即不仅学习当前时刻的信息，也会依赖之前的序列信息，所以在做语音识别、语言翻译等等有很大的优势。R...
2024/12/26
搜索文章
热门话题
