在科技的浩瀚星空中，机器学习犹如一颗璀璨的新星，以其独特的魅力和无限潜力，引领着我们向智能的深处探索。今天，我们将一同踏上这场深度之旅，不仅解析机器学习的底层逻辑，还将探讨其前沿技术，并展望其未来的发展方向。...

我们看到的很多论文，大多把注意力集中到模型结构的改进上，比如：注意力机制、编码器、解码器设计和改进等。但是，却少有人关注到时间序列数据的embedding上。...

论文标题：MOMENT: A Family of Open Time-series Foundation Models

从transformer出来后，感觉时序领域的研究就被其霸占，各类工作都是围绕其进行改进、升级。但Transformer提出已经七年了！继续卷Transformer感觉很难，而且大家也“审美”疲劳了。建议可以了解一下时序卷积相关研究，今年ICLR...

GitHub链接：ViTime: A Visual Intelligence-Based Foundation Model for Time Series Forecasting

先前整理了4篇时间序列大模型的论文，ICML放榜之后，我重点关注了大模型相关的论文，再次梳理了谷歌、清华和CMU的3近期几篇时间序列大模型研究文章（后台回复：“论文合集”获取，共七篇），时间序列大模型的研究正在迅速发展，并且在...

论文标题：Unified Training of Universal Time Series Forecasting Transformers

GitHub链接：https://github.com/microsoft/ProbTS

这是时序可解释性论文汇总的第二篇，第一篇见这里（后台回复：“论文合集”可直接获取整理的文章）。深度学习的可解释性研究一直是热门，而时间序列的可解释性同样非常重要。这是因为时序模型被大量应用到特定领域：金融、医疗、...

梳理了一些时间序列可解释性研究文章（后台回复：“论文合集”获取），深度学习的可解释性研究一直是热门，而时间序列的可解释性同样非常重要。这是因为时序模型被大量应用到特定领域：金融、医疗、交通等，这些应用场景对模型的可...