文章预览
点击 名片 关注并星标 #TSer # 扫下方二维码 ,加入时序人学术星球 参与算法讨论,获取前沿资料 ( 180+ 篇专栏笔记,已有 170+ 同学加入学习) 时间序列数据在各个领域都普遍存在,使得时间序列分析变得至关重要。传统的时间序列模型是任务特定的,具有单一的功能和有限的泛化能力。最近,大型语言基础模型揭示了它们在跨任务迁移性、零次/少次学习和决策可解释性方面的出色能力。这一成功引发了人们探索基础模型以同时解决多个时间序列挑战的兴趣。 目前主要有两条研究路线,即从头开始为时间序列预训练基础模型和将大型语言基础模型适应于时间序列。它们都促进了高度可泛化、多功能且易于理解的时间序列分析统一模型的发展。 本综述 提供了一个3E分析框架 ,用于全面审查相关研究。具体来说,研究者从三个维度(即 有效性、效
………………………………