Download de deep learning time series - deep learning time series download de código fonte

Previsão de séries temporais de aprendizado profundo

Lista de documentos de última geração se concentra em aprendizado e recursos profundos, código e experimentos usando o aprendizado profundo para a previsão de séries temporais. Métodos clássicos vs métodos de aprendizado profundo, competições ...

Índice

Papéis
Conferências
Competições
Código
Teoria-resource
Recurso de código
Conjuntos de dados

Papéis

2021

Autoformador: Transformadores de decomposição com correlação automática para previsão de séries de longo prazo
- Haixu Wu, et al.
- [Código]
Previsão probabilística de longo alcance em séries temporais usando estatísticas de alta ordem
- Prathamesh Deshpande, et al.
- [Código]
Previsão multi-agente on-line com redes neurais de gráficos colaborativos interpretáveis
- Maosen Li, et al.
- Código ainda não.
Aprendizagem de ponta a ponta de previsões probabilísticas coerentes para séries temporais hierárquicas
- Syama Sundar Rangapuram, et al.
- Código ainda não.
Análise de expansão de base neural com variáveis exógenas: previsão de preços de eletricidade com NBeatsx
- Kin G. Olivares, et al.
- [Código]
Modelos de difusão de denoising autoregressivos para referência de previsão de séries temporais probabilísticas multivariadas
- Kashif Rasul, et al.
- [Código]
Uma revisão experimental sobre arquiteturas de aprendizado profundo para previsão de séries temporais
- Pedro Lara-Benítez, et al.
- [Código]
Previsão longa do horizonte com processos de ponto temporal
- Prathamesh Deshpande, et al.
- [Código]
Informador: além do transformador eficiente para a série de sequência longa previsão AAAI 2021
- Haoyi Zhou, et al.
- [Código]

2020

Desafios e abordagens para previsão de séries temporais na telemetria de data center: uma pesquisa
- Shruti Jadon, et al.
- Código ainda não.
Abordagens de previsão e detecção de anomalia usando técnicas de autoencoder LSTM e LSTM com as aplicações no gerenciamento da cadeia de suprimentos
- HD Nguyen, et al.
- Código ainda não.
Modelos neurais recorrentes profundos com restrição de física de construção de dinâmica térmica
- Ján Drgona, et al.
- Código ainda não.
Minirocket: uma transformação determinística muito rápida (quase) para classificação de séries temporais
- Angus Dempster, et al.
- [Código]
Aprendendo a selecionar as melhores tarefas de previsão para previsão de resultados clínicos
- Yuan Xue, et al.
- Código ainda não.
Detecção de anomalia do mundo real usando sistemas gêmeos digitais e aprendizado fracamente supervisionado
- Castellani Andrea, et al.
- Honda Research Institute Europe GmbH
- Código ainda não.
Modelo de atenção entre séries para CoVID-19 Previsão de boa referência
- Xiaoyong Jin, et al.
- [Código]
Seleção de modelos na reconciliando séries temporais hierárquicas
- M. Abolghasemi, et al.
- [Código]
Uma forte linha de base para a previsão semanal de séries temporais
- Rakshitha Godahewa, et al.
- [Código]
Previsão estrutural para previsão de intensidade de ciclone tropical: fornecendo informações sobre aprendizado profundo
- Trey McNeely, et al.
- Código ainda não.
Modelando a sazonalidade heterogênea com redes neurais recorrentes usando dados de séries temporais da IoT para detecção de degelo e análise de anomalia boa referência
- KHETARPAL, Suraj.
- Código ainda não.
Um exame do estado da arte para classificação de séries temporais multivariadas
- Bhaskar Dhariyal, et al.
- Code Noy ainda.
Previsão de posição de classificação em corridas de carros
- Bo Peng, et al.
- Código ainda não.
Redes neurais recorrentes de associação mista para modelar compras de clientes
- Ghazal Fazelnia, et al.
- Código ainda não.
Uma análise de redes neurais profundas para prever tendências nos dados de séries temporais
- Kouame Kouassi e Deshendran Moodley.
- Código ainda não.
Previsão automática usando processos gaussianos
- G. Corani
- Código ainda não.
Previsão de vendas temporais de vendas de novos produtos com base na atenção
- Vijay Ekambaram
- Código ainda não.
Previsão da demanda de funções de densidade de probabilidade individuais com aprendizado de máquina
- Felix Wick, et al.
- Código ainda não.
Uma comparação de desempenho de previsão de séries temporais para redes neurais com o espaço de estado e os modelos ARIMA
- Milton Soto-Ferrari
- Código ainda não.
Previsão de séries temporais de curto prazo da temperatura da superfície do tubo de esgoto de concreto
- Karthick Thiyagarajan, et al.
- Código ainda não.
Detecção de anomalia com série temporal multivariada via rede de atenção gráfica
- Hang Zhao, et al.
- Código ainda não.
Redes neurais de gráfico para recomendação de modelo usando dados de séries temporais
- Aleksandr Pletnev, et al.
- Código ainda não.
Competições de previsão de Kaggle: uma oportunidade de aprendizado esquecida
- Casper Solheim Bojer e Jens Peder Meldgaard.
- [Código]
Previsão com várias sazonalidade
- Tianyang Xie e Jie Ding.
- Código ainda não.
LaVarnet: modelagem de rede neural de relações variáveis causais para previsão de séries temporais multivariadas
- Christos Koutlis, et al.
- Código ainda não.
Previsão de séries temporais hierárquicas com um espaço de incorporação regularizado
- Jeffrey L. Gleason.
- [Código]
Prever a evolução da geração hidrelétrica
- Fan Zhou, et al.
- [Código]
Modelo generativo em espaço profundo para previsões de tempo até o evento correlacionadas
- Yuan Xue, et al.
- Código ainda não.
Previsão de curto prazo da pandemia covid-19 usando dados do Google Trends: evidências de 158 países
- Fantazzini, Dean.
- Código ainda não.
Aprendizagem de tensores autoregressivos escaláveis de baixo rank para imputação de dados de tráfego espaço-temporal
- Xinyu Chen, et al.
- [Código]
Clairvayance: um pipeline de automl de ponta a ponta unificado para séries temporais médicas
- Daniel Jarrett, et al.
- Código ainda não.
Anomalias de velocidade e tempos de partida seguros dos dados do movimento Uber
- Nabil Al Nahin Ch, et al.
- Código ainda não.
Previsão de progresso da IA: uma agenda de pesquisa
- Ross Gruetzemacher, et al.
- Análise
Melhorando a precisão dos modelos de previsão global usando o aumento de dados de séries temporais
- Kasun Bandara, et al.
- Código ainda não.
Aprendizagem de sequência interpretável para previsão do CoVID-19
- Sercan O. Arık, et al.
- [Código]
Meta-aprendizagem com reconhecimento de relação para previsão da demanda por segmento de mercado com meta-aprendizagem de registros limitados
- Jatu Shi, et al.
- Código ainda não.
Previsão de recessão econômica através do preço das ações no setor de logística com inteligência artificial (AI)
- YM Tang, et al.
- Código ainda não.
Princípios e algoritmos para grupos de previsão de séries temporais: localidade e globalidade
- Pablo Montero-Manso e Rob J Hyndman
- Código ainda não.
RNN multi-stream para previsão de transações de comerciante
- Zhongfang Zhuang, et al.
- KDD 2020 Workshop on Machine Learning in Finance
- Código ainda não.
Previsão de séries temporais hierárquicas usando regularização estruturada e sua aplicação em redes neurais artificiais
- Tomokaze Shiratori, et al.
- Código ainda não.
Previsão de vendas promocionais de partida a frio por meio de explicações contrastivas baseadas em gradiente aumentadas
- Carlos Aguilar-Palacios, et al.
- [Código]
Detecção de anomalia em escala: o caso de modelos de séries temporais de distribuição profunda
- Fadhel Ayed, et al.
- Amazon Research
- [Código]
Previsão de demanda na presença de informações privilegiadas
- Mozhdeh Ariannezhad, et al.
- [Código]
Previsão de geração de parques eólicos baseados em redes neurais em evolução sazonal em evolução
- Yunchuan Liu, et al.
- Código ainda não.
Modelos ARIMA distribuídos para Spark de Ultra Long Series
- Xiaoqian Wang, et al.
- [Código]
Ataques adversários a modelos de previsão autoregressiva probabilística
- Raphaël Dang-Nhu, et al.
- [Código]
Superioridade da simplicidade: um modelo leve para o aplicativo LSTM de previsão da carga de trabalho do dispositivo de rede Aplicativo LSTM
- Alexander Acker, et al.
- [Código]
Rede recorrente convolucional de gráfico adaptável para previsão de tráfego
- Lei Bai, et al.
- [Código]
Rede neural convolucional dinâmica de multi-escala para classificação de séries temporais
- Bin Qian, et al.
- Código ainda não.
Pesquisa de arquitetura neural para classificação de séries temporais
- Hojjat Rakhshani, et al.
- [Código]
Incerteza frequentista em redes neurais recorrentes por meio de funções de influência em bloco
- Ahmed M. Alaa e Mihaela van der Schaar.
- Código ainda não.
Regressão da série temporal
- Chang Wei Tan, et al.
- [Código]
Previsão de desempenho de entrega de fornecedores com redes neurais recorrentes
- Johan Ramne
- Tese de mestrado.
Markovian RNN: Uma rede de previsão de séries temporais adaptativas com comutação baseada em HMM para ambientes não estacionários
- Fatih Ilhan, et al.
- Código ainda não.
Sistemas de previsão neural resilientes
- Michael Bohlke-Schneider, et al.
- Amazon Research
- Código ainda não.
Inferência relacional neural dinâmica para prever trajetórias
- Colin Graber e Alexander Schwing
- CVPR 2020
- [Código]
Transformador de tráfego: captura a continuidade e periodicidade de séries temporais para previsão de tráfego
- Ling Cai, et al.
- Código ainda não.
Estrofe: um modelo de espaço de estado não linear para inferência probabilística em séries temporais não estacionárias
- Anna K. Yanchenko e Sayan Mukherjee.
- Código ainda não.
Estratégia de neuroevolução para previsão de séries temporais
- George Naskos, et al.
- Código ainda não.
COVID-19: Uma comparação de métodos de séries temporais para prever porcentagem de casos ativos por população
- Vasilis Papaastefanopoulos, et al.
- [Código]
Uma abordagem de aprendizado de máquina para prever séries temporais hierárquicas
- Paolo Mancuso, et al.
- Código ainda não.
Probcast: produção, avaliação e visualização de código aberto de previsões probabilísticas
- Jethro Browell e Ciaran Gilbert.
- [Código]
Explorando a previsão de séries temporais clínicas com meta-feiras em modelos recorrentes variacionais meta-aprendizagem
- Sibghat Ullah, et al.
- [Código]
Modelo de espaço de estado profundo semi-supervisionado para modelagem de crescimento de plantas
- S. Shibata, et al.
- Código ainda não.
Computação eficaz e eficiente com redes neurais recorrentes de escala múltipla em escala
- Bojian Yin, et al.
- Código ainda não.
Previsão de séries temporais multivariadas por meio da estrutura do codificador-decodificador baseado em atenção
- Shengdong Du, et al.
- Neurocomputing
- Código ainda não.
Um novo LSTM para séries temporais multivariadas com falta de falta
- Nazanina Fouladgar e Kary Främling.
- Código ainda não.
N-BEATS: Análise de expansão de base neural para séries temporais interpretáveis ICLR 2020
- Boris N. Oreshkin, et al.
- Código ainda não.
Como aprender com outras pessoas: transfira aprendizado de máquina com modelos de regressão aditiva para melhorar a previsão de vendas boa nova abordagem
- Robin Hirt, et al.
- Código ainda não.
O método de previsão híbrido SVR-ESAR para CoVID-19
- Juan Frausto Solis, et al.
- Código ainda não.
Prevenção do número de passageiros de curto prazo com decomposição sazonal e de tendências usando redes neurais Loess e LSTM
- Dewang Chen, et al.
- Código ainda não.
A eficácia da discretização na previsão: um estudo empírico sobre modelos de séries temporais neurais
- Stephan Rabanser, et al.
- AWS AI Labs
- Código ainda não.
Previsão com SKTime: projetando a nova API de previsão do SKTime e aplicando -a para replicar e estender o estudo M4
- Markus Löning e Franz J. Király.
- [Código]
LSTM-MSNET: alavancando previsões em conjuntos de séries temporais relacionadas com vários padrões sazonais
- Kasun Bandara, et al.
- [Código]
Uma abordagem de aprendizado de transferência baseada em rede para melhorar a previsão de vendas de novos produtos
- Karb, Tristan, et al.
- Código ainda não.
DSANET: Rede de auto-atenção dupla para séries temporais multivariadas previsão boa nova abordagem
- Siteng Huang, et al.
- [Código]
Uma abordagem para processamento e previsão complexos de fluxos de eventos
- Viktor Morozov, Mikhail Petrovskiy.
- Código ainda não.
Previsão de tendência de moda neural aprimorada de conhecimento
- Yunshan Ma, et al.
- Código ainda não.
Método de comparação fora da amostra aumentada para técnicas de previsão de séries temporais
- Igor Ilic, et al.
- Código ainda não.
Aprimorando os indicadores técnicos de alta frequência Previsão usando redes de redes neurais profundas ICIM 2020
- Xiaoyu Tan, et al.
- Código ainda não.
Previsão de séries temporais com aprendizado profundo: uma pesquisa boa resumo
- Bryan Lim e Stefan Zohren
- Enquete
Previsão neural: Introdução e visão geral da literatura
- Konstantinos Benidis, et al.
- Não é uma visão geral.
Tire uma soneca: previsão não autorregressiva para trajetórias de pedestres
- Hao Xue, et al.
- Código ainda não.
Órbita: previsão probabilística com suavização exponencial
- Edwin Ng, et a.
- O código está disponível mediante solicitação.
Previsão diária de demanda de varejo usando o aprendizado de máquina com ênfase nos dias especiais do calendico
- Jakob Huber e Heiner Stuckenschmidt.
- Código ainda não.
Previsão em séries temporais de amostragem multivariada com valores ausentes
- Shivam Srivastava, et al.
- Código ainda não.
- IBM Almaden Research Center .
Previsão de vários rótulos em dados de séries temporais usando redes neurais profundas
- Wenyu Zhang, et al.
- Código ainda não.
Comércio: transformadores para estimativa de densidade
- Rasool Fakoor, et al.
- Código ainda não.
Modelagem probabilística profunda dos movimentos de preços para negociação de alta frequência
- Ye-sheen Lim e Denise Gorse.
- Código ainda não.
Modelos de espaço de estado profundo para identificação de sistema não linear
- Daniel Gedon, et al.
- Código ainda não.
Previsão de séries temporais zero e de poucas fotos com redes neurais recorrentes de regressão ordinal
- Bernardo Perez Orozco e Stephen J. Roberts.
- [Código]
Aprendizagem de representação de séries temporais financeiras
- Philippe Chatigny, et al.
- Código ainda não.
G-Net: Uma abordagem de aprendizado profundo da computação G para previsão de resultados contrafactuais em regimes de tratamento dinâmico
- Rui Li, et al.
- - IBM research and MIT
- Código ainda não.
Fator espaço-temporal profunda de Markov
- Amirreza Farnoosh, et al.
- Código ainda não.
Processo recorrente harmônico para previsão de séries temporais
- Shao-Qun Zhang e Zhi-Hua Zhou.
- Código ainda não.
Algoritmos de aprendizado de máquina elástica no Amazon Sagemaker
- Edo Liberty, et al.
- Código ainda não.
Aumentação de dados de séries temporais para aprendizado profundo: uma pesquisa
- Qingsong Wen, et al.
- Código ainda não.
Block Hankel Tensor ARIMA para várias séries temporais de previsão AAAI 2020 Meta-Learning
- Qiquan Shi, et al.
- [Código]
Aprendizados das competições de previsão de Kaggle
- Casper Solheim Bojer, et al.
- Código ainda não.
Um caso da indústria de previsão de demanda em larga escala de componentes hierárquicos
- Rodrigo Rivera-Castro, et al.
- Código ainda não.
Previsão de séries temporais probabilísticas multi-variada por meio de fluxos de normalização condicionados
- Kashif Rasul, et al.
- [Código].
Previsão: uma arquitetura de rede neural variante no tempo de variação no tempo para previsão de séries temporais de várias etapas
- Joel Janek Dabrowski, et al.
- Código ainda não.
Detecção de anomalia para segurança cibernética: previsão de séries temporais e aprendizagem profunda Good review about forecasting
- Giordano Colò.
- Código ainda não.
Redes Bayesianas Contínuas de Time, orientadas por eventos
- DeBarun Bhattacharjya, et al.
- Research AI, IBM
- Código ainda não.
Modelagem conjunta da dinâmica temporal local e global para previsão de séries temporais multivariadas com valores ausentes AAAI 2020
- Xianfeng Tang, et al.
- IBM Research, NY
- Código ainda não.
Regressão em clusterwise baseada em topologia para segmentação de usuários e previsão de demanda
- Rodrigo Rivera-Castro, et al.
- Código ainda não.
Redes LSTM-FCN evolutivas para classificação de padrões em processos industriais
- Patxi Ortego, et al.
- Código ainda não.
Previsão de dados de séries temporais multivariadas usando LSTM e mini-lotes
- Athar Khodabakhsh, et al.
- Código ainda não.
LSTM tensorizado com memória compartilhada adaptativa para tendências de aprendizagem na série temporal multivariada AAAI 2020
- Dongkuan Xu, et al.
- [Código]
Modelo de espaço de estado relacional para sistemas multi-objetos estocásticos ICLR 2020
- Fan Yang, et al.
- Código ainda não.
For2 para: aprender a prever em previsões
- Zhao, Shi, et al.
- Código ainda não.
Previsão de séries temporais auto-postidas com várias tarefas e aprendizagem de várias vistas AAAI 2020
- Long H. Nguyen, et al.
- Código ainda não

2019

Aprimorando a localidade e quebrando o gargalo de memória do transformador na referência de previsão de séries temporais
- Shiyang Li, et al.
- [Código]
Previsão de grandes séries temporais: teoria e prática KDD 2019 Tutorial relevante
- Christos Faloutsos, et al.
- [Código]
Quantificação profunda da incerteza: uma abordagem de aprendizado de máquina para previsão do tempo
- Bin Wang, et al.
- [Código]
Um método híbrido de suavização exponencial e redes neurais recorrentes para previsão de séries temporais
- Slowek Smyl
- Winning submission of the M4 forecasting competition
- [Código]
Pense globalmente, age localmente: uma abordagem de rede neural profunda para as séries temporais de alta dimensão NeurIPS 2019
- Rajat Sen, et al.
- Amazon
- [Código]
Previsão de paisagem profunda para licitação em tempo real Publicidade KDD 2019
- Kan Ren, et al.
- [Código]
Aprendizagem de representação de preservação de similaridade para agrupamentos de séries temporais
- Qi Lei, et al.
- IBM research
- [Código]
DSANET: Rede de auto-atenção dupla para previsão de séries temporais multivariadas
- Siteng Huang, et al.
- Código ainda não.
Melhorando as estratégias de momento em séries temporais usando redes neurais profundas
- Bryan Lim, et al.
- Código ainda não.
Regressão dinâmica de atraso de tempo: previsão o quê e quando
- Mandar Chandorkar, et al.
- Código ainda não.
Série Tempo Redes Adversárias Generativas NeurIPS 2019
- Jinsung Yoon. et al.
- Código ainda não.
Transformadores de fusão temporal para previsão interpretável de séries temporais multi-horizon
- Bryan Lim, et al.
- Google Research
- [Código]
Inferência variacional amortizada profunda por imputação de séries temporais multivariadas com modelos de processos gaussianos latentes
- Vincent Fortuin, et al.
- Código ainda não.
Modelo de espaço fisiológico profundo para previsão clínica
- Yuan Xue, et al.
- ainda não
AR-NET: uma rede neural automática simples para a série de tempo
- Oskar Triebe, et al.
- Facebook Research
- Código ainda não.
Aprendendo dados de séries temporais de otimização de design industrial usando redes neurais recorrentes
- Sneha Saha, et al.
- Honda Research Institute Europe GmbH
- Código ainda não.
Robuststl: um robusto algoritmo de decomposição da tendência sazonal para séries temporais longas
- Qingsong Wen, et al.
- [Código]
Construindo redes neurais recorrentes controláveis de gradiente usando a dinâmica hamiltoniana
- Konstantin Rusch, et al.
- Código ainda não.
SOM-VAE: Representação discreta interpretável Aprendendo em séries temporais ICLR 2019
- Vincent Fortuin, et al.
- [Código]
Aprendizagem de representação escalável não supervisionada para as séries temporais multivariadas NeurIPS 2019 em Applications - Análise de séries temporais
- Jean-Yves Franceschi, et al.
- [Código]
Inferência fatorizada em modelos profundos de Markov para séries temporais multimodais incompletas
- Zhi-Xuan Tan, et al.
- Código ainda não.
Você pode não precisar de pedidos na previsão de séries temporais
- Yunkai Zhang, et al.
- Código ainda não
Perda de distorção de forma e tempo para treinamento Modelos de previsão de séries temporais profundas NeurIPS2019
- Vincent Le Guen e Nicolas Thome.
- [Código]
Lamento local dinâmico por previsão on-line não convexa NeurIPS 2019
- Sergul Aydore, et al.
- [Código]
Fator temporal bayesiano para previsão de séries temporais multidimensionais
- Xinyu Chen e Lijun Sun
- [Código e dados]
Fator de matriz seqüencial probabilística
- Ömer Deniz Akyildiz, et al.
- Código ainda não
VAE-LSTM sequencial para detecção de anomalia em séries temporais
- Run-Qing Chen, et al.
- Código ainda não
Previsão multivariada de alta dimensão com copula gaussiana de baixo rank Processos NeurIPS 2019
- David Salinas, et al.
- Código ainda não
Filtros neurais recorrentes: Aprendendo etapas independentes de filtragem bayesiana para previsão de séries temporais
- Bryan Lim, et al.
- Código ainda não
LHCNN: Uma nova estrutura de previsão de séries temporais eficientes e eficientes, utilizando redes neurais convolucionais
- Chengxi Liu, et al.
- Código ainda não
SKTIME: Uma interface unificada para aprendizado de máquina com o tempo
- [Código]
Redes neurais recorrentes para previsão de séries temporais: status atual e direções futuras
- [Código]
Avaliação de modelos de aprendizado estatístico e de máquina para previsão de séries temporais: identificar o estado da arte e as melhores condições para o uso de cada modelo
- Antonio Rafael Sabino Parmezan, Vinicius Ma Souza e Gustavo Epa Batista. USP
Redes neurais profundas explicáveis para previsões de séries temporais multivariadas IJCAI 2019
- Roy Assaf e Anika Schumann.
- IBM Research, Zurich
- Código ainda não
Detecção Outlier para séries temporais com conjuntos recorrentes de autoencoder IJCAI 2019
- [Código]
Aprendendo modelo interpretável do espaço de estado profundo para séries temporais probabilísticas IJCAI 2019
- Código ainda não
Fatores profundos para a previsão ICML 2019
- Yuyang Wang, et al.
- Código ainda não
Previsão probabilística com spline Quantil Function RNNS
- Código ainda não
Aprendizagem profunda para classificação de séries temporais: uma revisão
- Código ainda não
LSTM-FCNs multivariados para classificação de séries temporais
- Código ainda não
Critérios para classificar métodos de previsão
- Código ainda não
Glugas: modelos probabilísticos de séries temporais em Python
- [Código]
Deeping: Previsão probabilística com redes recorrentes autoregressivas
- David Salinas, et al.
- Código ainda não

2018

Uma visão geral e análise comparativa de redes neurais recorrentes para previsão de carga de curto prazo
- Filippo Maria Bianchi, et al.
- Código ainda não.
Métodos de previsão de aprendizado estatístico e de máquina: preocupações e maneiras de seguir
- Spyros Makridakis, et al.
- Código ainda não.
Participe e diagnosticar: análise clínica de séries temporais usando modelos de atenção AAAI 2018
- Huan Song, Deepta Rajan, et al.
- ainda não.
Precisão e recall para as séries temporais NeurIPS2018
- Nesime Tatbul, et al.
- Código ainda não.
Modelos de espaço de estado profundo para série de séries temporais NeurIPS2018
- Código ainda não
Fatores profundos com processos gaussianos para previsão
- Third workshop on Bayesian Deep Learning (NeurIPS 2018)
- [Código]
Rede neural recorrente convolucional de difusão: previsão de tráfego orientada a dados ICLR 2018
- Yaguang Li, et al.
- [Código]
Cluster temporal profundo: aprendizado totalmente não supervisionado sobre os recursos do domínio do tempo
- Naveen Sai Madiraju, et al.
- [Implementação de código-isofficial]
Modelando padrões temporais de longo e curto prazo com redes neurais profundas
- Guokun Lai, Wei-Cheng Chang, Yiming Yang, Hanxiao Liu
- [Código]
Previsão de respostas do tratamento ao longo do tempo usando redes estruturais marginais recorrentes NeurIPS 2018
- Bryan Lim. et al.
- Código
Uma solução baseada em rede de memória para previsão de séries temporais multivariadas
- Yen-Yu Chang, et al.
- Implementação sem oficial de código]

2017

Aprendizagem profunda com redes de memória de curto prazo longas para previsões de mercado financeiro
- Fischer, Thomas e Krauss, Christopher.
- Código ainda não.
Modelos de espaço de estado discriminativos NIPS 2017
- Vitaly Kuznetsov e Mehryar Mohri.
- Código ainda não.
Redes neurais híbridas para aprender a tendência na revisão de séries temporais
- Tao Lin, et al.
- Código ainda não.

2016

Pré -processamento e aumento de dados para várias séries temporais de previsão de séries temporais com redes neurais recorrentes
- Slawek Smyl e Karthik Kuber
- Código ainda não.
Fator de matriz regularizada temporal para previsão de séries temporais de alta dimensão NIPS 2016
- Hsiang-Fu Yu, et al.
- [Código]
Previsão de séries temporais e aprendizado on -line JMLR 2016
- Vitaly Kuznetsov e Mehryar Mohri.
- Código ainda não.
Redes neurais profundas, árvores movidas a gradientes, florestas aleatórias: arbitragem estatística no S&P 500
- Krauss, Christopher, et al.
- Código ainda não.

Comparativo: métodos clássicos vs métodos de aprendizado profundo

Previsão de séries temporais econômicas e financeiras: Arima vs. LSTM
Um estudo comparativo entre LSTM e ARIMA para previsão de vendas no varejo
ARIMA/SARIMA VS LSTM com insights de aprendizado de conjunto para dados de séries temporais

Conferências

Aprendizado de máquina
- Neurips
- ICML
- ICLR
Inteligência artificial
- Aaai
- Aistats
- ICANN
- Ijcai
- Uai

Competições

Concorrência M5
Concorrência M4

Código

Notebooks
Código

Teoria-resource

Previsão de séries temporais Melhores práticas e exemplos da Microsoft
Atenção a tempo-série-classificação e predefastamento
Aprendizagem profunda para blog de série temporal de alta dimensão
Aprendizagem profunda a-otimização
Backpropagation para LSTM
Previsão do mercado de ações por rede neural recorrente no modelo LSTM
Decomplando redes neurais recorrentes hierárquicas com perdas localmente computáveis
Análise de séries temporais com aprendizado profundo: simplificado
Técnicas de ML aplicadas aos preços das ações
Previsão: Princípios e Prática: desliza um bom material

Recorde de código

Previsão de séries temporais do transformador
Deepseies: modelos de aprendizado profundo para previsão de séries temporais.
Varstan: um pacote R para análise bayesiana de modelos de séries temporais estruturadas com Stan
Redes adversárias generativas de série temporal: Tsgan
Deep4cast: Previsão para tomada de decisão sob incerteza
FIRETS: Pacote de estilo Sklean para previsão de séries temporais de várias variadas.
Episão: prever o número efetivo de reprodução em escalas de tempo curtas
Previsão de carga elétrica: Previsão de carga na área de energia elétrica da área de Delhi usando os modelos ARIMA, RNN, LSTM e GRU.
Séries temporais e previsão em r
Timeseriesai: aprendizado profundo prático para séries temporais / dados seqüenciais usando o Fastai / Pytorch.
Times-TimesCaledB: Um banco de dados SQL de séries temporais de código aberto otimizado para consultas de ingestão rápida e complexas. Embalado como uma extensão PostGresql.
TSSTUDIO: Ferramentas para análise de séries temporais e previsão
Profeta: procedimento de previsão automática
Pyts: um pacote Python para classificação de séries temporais
Usando processos neurais atentos para prever o uso de energia
Previsão não gaussiana usando fábula - r
Sktime
Documentos com código - Previsão de séries temporais multivariadas
Deeptar by Amazon
DFGP da Amazon
https://www.kaggle.com/c/demand-forecasting-kernels-lly
https://www.kaggle.com/c/favorita-grocery-sales-forecasting
https://www.kaggle.com/c/grupo-bimbo-inventory-demand
https://www.kaggle.com/c/recruit-restaurant-visitor-forecasting
Prevendo/levantando a hipótese das descobertas da competição M4
Pytorch-Forcasting: Um pacote Python para previsão de séries temporais com Pytorch. Inclui arquiteturas de rede de última geração