从Transformer架构提出以来，时间序列领域几乎绝大多数模型是在Transformer架构基础改进。但自注意力机制计算复杂过高，同时位置编码对时序信息表示不完全一直是问题。与之相比，线性模型有以下优势：...

C++是一门应用广泛的编程语言。在2023年JetBrains全球开发者生态问卷调查中，C++在受访程序员过去一年中的使用率，占25%，紧跟JavaScript、Python和Java之后。在本书撰写时，根据JetBrains的统计，程序员使用最多的是C++17。...

我是从去年年底开始入门时间序列研究，但直到最近我读FITS这篇文章的代码时，才发现从去年12月25号就有人发现了数个时间序列Baseline的代码Bug。如果你已经知道这个Bug了，那可以忽略本文～...

Patch TST发表于ICLR23，其优势在于保留了局部语义信息；更低的计算和内存使用量；模型可以关注更长的历史信息，Patch TST显著提高了时序预测的准确性，Patch可以说已成为时序模型的基本操作。我在先前的一篇文章对Patch TST做...

我是从去年11月份开始，选定时间序列预测这个方向，准备在工作之余继续独立进行一些科学研究。选定这个方向是因为我对金融量化一直挺感兴趣，希望能把时间序列中的深度学习算法模型，用到金融数据。现在看来，我太过于理想化了...

在本篇文章，我们基于pytorch框架，构造了LSTM模型进行天气预测，并对数据进行了可视化分析，非常值得入门学习。该数据集提供了2013年1月1日至2017年4月24日在印度德里市的数据。其中包含的4个参数是平均温度（meantemp）、湿度（h...

多尺度是时序研究必须要考虑的问题。一方面，不同特征的周期模式有长有短，需要用不同尺度进行刻画。另一方面，尺度越小越精细，计算越复杂；尺度越大越粗糙，相应计算量减少，这又涉及到如何平衡的问题。...

论文标题：RETHINKING CHANNEL DEPENDENCE FOR MULTIVARIATE TIME SERIES FORECASTING: LEARNING FROM LEADING INDICATORS

论文标题：TimeXer: Empowering Transformers for Time Series Forecasting with Exogenous Variables

论文标题：TFB: Towards Comprehensive and Fair Benchmarking of Time Series Forecasting Methods