这篇文章的思路就是：通过傅立叶变化，把时序数据自适应切分为最佳的、不同尺度的patch，然后设计patch内和patch间的注意力机制，进行下游任务。思路非常清晰简洁。...

论文标题：iTransformer: Inverted Transformers Are Effective for Time Series Forecasting

论文标题：LEARNING TO EMBED TIME SERIES PATCHES INDEPENDENTLY

书接上回，我们在之前的文章已经分析了直接把transformer应用到时间序列预测问题的不足，其中我们总结了4个不足：分别是：

我们在先前的一篇文章中已经总结了直接把Transformer应用到时间序列数据存在的问题，其中序列平稳化是transformer也是其他很多模型都未解决好的一个不足。实际上，序列平稳和非平稳是矛盾的存在，这篇文章探索了：原始数据--...

所以从这篇开始，我也会同步记录自己阅读时间序列论文的笔记。但根据我的经验，由于相关论文太多，刚刚入坑的同学大多是不知道该从哪篇读起的，这是因为新手（包括我自己）往往对当前的研究的发展脉络是没有整体概念的。...

那么书接上回，本篇文章我们将使用LightGBM模型对真实的市场收益进行预测，特别说明本文代码来自于Kaggle竞赛的第三名解决方案，我对部分代码进行了解读。...

OCR 2.0来了！ 开源模型 GOT-OCR-2.0 正式发布，标志着新一代 AI OCR 技术的到来。

2024年9月，人工智能生物学初创公司Chai Discovery宣布从重量级公司Thrive Capital和OpenAI那里筹集了近3000万美元，用于将人工智能引入药物发现。

在大语言模型时代，自然语言将成为人机交互的关键媒介。在生物化学领域，诸如性质预测和分子挖掘等任务至关重要，但在技术上具有挑战性。在自然语言和化学语言中架起分子表达的桥梁可以显著提高这些语言的可解释性和易用性...