论文标题：Irregular Multivariate Time Series Forecasting: A Transformable Patching Graph Neural Networks Approach
论文标题：N-BEATS N EURAL BASIS EXPANSION ANALYSIS FOR INTERPRETABLE TIME SERIES FORECASTING
论文标题：SparseTSF: Modeling Long-term Time Series Forecasting with 1k Parameters
论文标题：Efficient and Effective Time-Series Forecasting with Spiking Neural Networks
论文标题：SAMformer: Unlocking the Potential of Transformers in Time Series Forecasting with Sharpness-Aware Minimization and Channel-Wise Attention
KAN出来之后，我最关注的还是其在时间序列领域的应用，果不其然，立马看到两篇占坑（中性词）文章。这篇文章不是对论文的深度解读，只是提供一个信息渠道。吐槽一下，大家的占坑速度实在太快，这两篇文章算是先把KAN与时序结合的好标...
梳理了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），时间序列大模型的研究正在迅速发展，并且在多个领域和应用中展现出巨大的潜力。随着技术的不断进步，预计未来会有更多创新的方法和应用出现，但我感觉目前可...
扩散模型（diffusion model）是一类生成模型，运用了物理热力学扩散思想，主要用于对复杂数据分布进行建模和采样。以图片生成举例简要介绍下扩散模型运作方法。给定目标分布q(x)中的一些观测数据x，生成模型的目标是学习一个生...
从Transformer架构提出以来，时间序列领域几乎绝大多数模型是在Transformer架构基础改进。但自注意力机制计算复杂过高，同时位置编码对时序信息表示不完全一直是问题。与之相比，线性模型有以下优势：...
我是从去年年底开始入门时间序列研究，但直到最近我读FITS这篇文章的代码时，才发现从去年12月25号就有人发现了数个时间序列Baseline的代码Bug。如果你已经知道这个Bug了，那可以忽略本文～...
