小红花·文摘
  • 首页
  • 广场
  • 排行榜🏆
  • 直播
  • FAQ
Dify.AI
TimescaleDB 2.26:3.5倍更快的 time_bucket() 聚合,70倍更快的摘要查询,以及更快的多列查找

TimescaleDB 2.26通过扩展向量化列存引擎提升了查询性能,支持更高效的时间序列分析,允许直接从元数据读取结果,显著加快聚合查询和多列查找的速度。某些查询速度提升可达70倍,整体性能提升超过2倍,用户无需更改查询即可享受这些改进。

TimescaleDB 2.26:3.5倍更快的 time_bucket() 聚合,70倍更快的摘要查询,以及更快的多列查找

Timescale Blog
Timescale Blog · 2026-04-22T13:00:14Z
时间序列分析的提示工程

本文介绍了七种利用大型语言模型(LLMs)进行时间序列分析和预测的有效提示工程策略,包括构建时间结构、特征提取、结合统计模型、使用结构化数据、设计预测模式、异常检测和融入领域知识,以提升模型的实用性和可靠性。

时间序列分析的提示工程

MachineLearningMastery.com
MachineLearningMastery.com · 2025-12-04T17:02:33Z
10个用于时间序列分析的实用NumPy一行代码

本文介绍了10个用于时间序列分析的NumPy一行代码示例,包括创建滞后特征、计算滚动标准差、检测异常值、计算指数移动平均、寻找局部极值、计算累计收益、数据归一化、计算百分比变化、创建二元趋势指示器和计算相关性。这些技巧提高了数据处理的效率和可读性。

10个用于时间序列分析的实用NumPy一行代码

MachineLearningMastery.com
MachineLearningMastery.com · 2025-08-26T12:00:48Z
时间序列转换工具包:预测分析中的特征工程

本文介绍了时间序列分析中的特征工程技术,包括添加滞后特征、滚动统计和差分。这些技术有助于提取有意义的时间特征,改善预测模型的性能,特别是在处理具有季节性和促销影响的销售数据时。

时间序列转换工具包:预测分析中的特征工程

MachineLearningMastery.com
MachineLearningMastery.com · 2025-08-06T12:00:35Z

本研究探讨量子蓄水池计算在时间序列分析中的应用,特别是实时生成《超级马里奥兄弟》关卡。研究者开发了一个新的Roblox游戏,揭示了实时生成中的特定约束,为未来的游戏设计提供了新思路。

Level Generation Using Quantum Reservoir Computing

BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 · 2025-05-19T00:00:00Z
TimeCraft:简化时间序列分析与自动化

TimeCraft是一个用Python开发的工具,集成时间序列分析、数据库连接和任务自动化,简化复杂任务,提供定时执行模型和Webhook通知,适合数据科学家和开发者。用户可通过实验和反馈改进该工具。

TimeCraft:简化时间序列分析与自动化

DEV Community
DEV Community · 2025-05-16T05:56:52Z

本文探讨了解释性人工智能在时间序列分析中的应用,提出C-SHAP方法以解决传统方法无法捕捉高层次模式的问题,研究表明该方法在能源领域有效提升了解释的可靠性。

C-SHAP Time Series: A Method for High-Level Temporal Explanations

BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 · 2025-04-15T00:00:00Z

本文介绍了如何使用Dask进行并行时间序列分析,包括数据集准备、季度统计分析和可视化图表生成。Dask简化了并行计算,提高了数据处理效率,适用于机器学习和高级数据分析。

如何使用Dask进行并行时间序列分析

KDnuggets
KDnuggets · 2025-01-30T13:00:22Z

本研究比较了变压器模型在时间序列分析中的时间表示,探讨了固定与学习的时间表示。结果表明,先验知识编码存在挑战,建议未来研究加强人机协作,以提升模型的鲁棒性和可信度。

Comparing Prior and Learned Time Representations in Transformer Models

BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 · 2024-11-19T00:00:00Z

该研究提出了一种高阶交叉结构嵌入模型(High-TS),结合多尺度Transformer和拓扑深度学习,以提升时间序列分析的性能。实验结果表明,High-TS在多个任务中优于现有方法,突出了高阶交叉结构信息的重要性。

高阶交叉结构嵌入模型用于时间序列分析

BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 · 2024-10-30T00:00:00Z

时间序列分析与视觉或自然语言处理在定义自监督学习任务方面有区别。引入了一种名为Series2Vec的自监督表示学习方法,通过预测时间和频谱域中两个序列之间的相似性来解决问题。实验证明,Series2Vec在真实数据集和UCR/UEA存档上表现优于其他自监督技术,并在有限标记数据集上高效。与其他表示学习模型融合,可以提高时间序列分类性能。

D2Vformer:基于时间位置嵌入的灵活时间序列预测模型

BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 · 2024-09-17T00:00:00Z

本文提出了一种新型流量特征的流扩展,通过对单流时间序列进行时间序列分析,使用15个公开可用的数据集进行评估,结果表明该特征向量在网络流量分类任务中具有可用性和普适性。分类性能在超过一半的评估任务中提高了多达5%。

通过多视角特征融合进行网络异常流量检测

BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 · 2024-09-12T00:00:00Z
如何在R中进行时间序列分析

本文介绍了时间序列分析的基础知识和使用R语言进行数据准备和可视化趋势的方法。时间序列分析可用于识别趋势和模式,适用于经济学、金融学和环境科学等领域。R语言是流行的时间序列分析工具,具有强大的包和函数。文章详细介绍了在R中进行时间序列分析的步骤,包括加载库、导入数据、创建时间序列对象、绘制时间序列图和使用ARIMA模型进行预测。

如何在R中进行时间序列分析

KDnuggets
KDnuggets · 2024-08-20T14:00:44Z

ConvTimeNet是一种新型的深层分层全卷积网络,用于时间序列分析。它通过自适应分割为子序列级的补丁来避免稀疏语义,并集成了深度卷积和点卷积操作。该网络在时间序列预测和分类任务上的实验结果优于基线模型。

RandomNet:使用未训练深度神经网络聚类时间序列

BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 · 2024-08-15T00:00:00Z

PaddleX的零代码计算机视觉模型生产线升级,新增了时间序列分析的三个主要任务:时间序列预测、异常检测和分类。升级还引入了五条专门针对时间序列场景设计的零代码生产线,涵盖了11个前沿的时间序列模型,旨在为开发者提供方便高效的时间序列任务处理能力。升级还包括了一个高精度的多模型融合时间序列生产线,预测准确率提高了约20%,异常检测准确率提高了5%。该生产线支持云端和本地部署,可离线使用。

高精度时序分析星河零代码产线上线,全面覆盖3大时序场景任务

百度大脑
百度大脑 · 2024-07-25T11:02:27Z

该论文介绍了一种将统计模型与深度循环神经网络相结合的新方法,用于金融领域的时间序列分析和预测。实验证明该模型比其他流行模型更可靠。

从神经数据推断随机低秩循环神经网络

BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 · 2024-06-24T00:00:00Z

Caformer是一种新的时间序列分析框架,能够有效捕捉跨维度和跨时间的依赖关系,并解决伪相关问题。该方法在多个时间序列分析任务中表现出最先进的性能和解释性。

因果 Transformer: 时间因果发现的可解释 Transformer

BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 · 2024-06-24T00:00:00Z

Caformer是一种新的时间序列分析框架,从因果性角度捕捉依赖关系并解决伪相关问题。在多个时间序列分析任务中表现出最先进的性能和解释性。

因果视角重新思考时间序列分析

BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 · 2024-03-13T00:00:00Z
KX和Databricks的集成:推进资本市场及其他领域的时间序列数据分析

KX和Databricks合作开发了面向资本市场的时间序列分析解决方案,为金融行业的量化和数据科学研究、建模和交易分析设立了新的标准。合作优势包括数据管理、数据生态系统和集成动态等方面,同时提供了对传统KX解决方案的无缝访问。

KX和Databricks的集成:推进资本市场及其他领域的时间序列数据分析

Databricks
Databricks · 2024-03-06T08:20:09Z

该文章介绍了名为MOMENT的开源基础模型系列,用于时间序列分析。作者建立了Time-series Pile收集公共时间序列,设计了评估模型有效性的基准。实验证明预训练模型在少量数据和任务微调下有效。

MOMENT:一种开放的时间序列基础模型家族

BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 · 2024-02-06T00:00:00Z
  • <<
  • <
  • 1 (current)
  • 2
  • >
  • >>
👤 个人中心
在公众号发送验证码完成验证
登录验证
在本设备完成一次验证即可继续使用

完成下面两步后,将自动完成登录并继续当前操作。

1 关注公众号
小红花技术领袖公众号二维码
小红花技术领袖
如果当前 App 无法识别二维码,请在微信搜索并关注该公众号
2 发送验证码
在公众号对话中发送下面 4 位验证码
小红花技术领袖俱乐部
小红花·文摘:汇聚分发优质内容
小红花技术领袖俱乐部
Copyright © 2021-
粤ICP备2022094092号-1
公众号 小红花技术领袖俱乐部公众号二维码
视频号 小红花技术领袖俱乐部视频号二维码