Time Transformer

Zeittransformator

Pytnon-Implementierungspapier " Zeittransformator: Integration lokaler und globaler Funktionen für die Erzeugung besserer Zeitreihen " (SDM24).

Jupyter Notebook " Tutorial " bietet ein Tutorial für das Training und die Bewertung mit unterschiedlichen Metriken (mit " SINE_CPX " -DATASET). Der FID -Score wird mit " FID_Score " in ts2vec berechnet, wobei das Modell " TS2VEC " direkt verwendet wird.

Das Modell ist mit " TensorFlow2 " erstellt. Überprüfen Sie bitte die " Anforderung.txt " und entscheiden Sie, welches Paket Sie zum Ausführen des Modells benötigen.

Wenn Sie dieses Modell nützlich finden und es in Ihre Veröffentlichung einfügen, empfehlen wir Ihnen, die folgenden Referenzen hinzuzufügen:

 @inproceedings { liu2024time ,
  title = { Time-Transformer: Integrating Local and Global Features for Better Time Series Generation } ,
  author = { Liu, Yuansan and Wijewickrema, Sudanthi and Li, Ang and Bester, Christofer and O'Leary, Stephen and Bailey, James } ,
  booktitle = { Proceedings of the 2024 SIAM International Conference on Data Mining (SDM) } ,
  pages = { 325--333 } ,
  year = { 2024 } ,
  organization = { SIAM }
}