学术分享丨深度时间序列模型的综述

文章预览

转自 数据派THU 时间序列，特点是数据点按离散时间顺序排列，在现实应用中无处不在。与其他模态不同，时间序列因其复杂和动态特性，包括非线性模式和时间变化趋势的纠缠，而呈现出独特的挑战。在现实场景中分析时间序列数据具有重要意义，几个世纪以来已经被广泛研究。近年来，时间序列领域见证了显著的突破，技术从传统的统计方法转向先进的深度学习模型。 在本文中，我们深入探讨了深度时间序列模型在各种分析任务中的设计，并从基本模块和模型架构两个角度回顾了现有文献。 此外，我们开发并发布了时间序列库（TSLib），作为多种分析任务的深度时间序列模型的公平基准测试，TSLib实现了24个主流模型，涵盖了来自不同领域的30个数据集，并支持五个常见的分析任务。基于TSLib，我们对12个先进的深度时间序列模型在不同任务上进 ………………………………