12 2022 档案

Pyraformer: 用于长时间序列建模和预测的低复杂度金字塔注意力《Pyraformer: Low-Complexity Pyramidal Attention for Long-Range Time Series Modeling and Forecasting》(金字塔注意力模块机制、PAM、CSCM、多尺度)

摘要：今天是2022年10月1日，今天重读一遍这篇论文。 10月1日16:48，上次读是4月20日，时间过得好快。论文：Pyraformer: Low-Complexity Pyramidal Attention for Long-Range Time Series Modeling and Forec 阅读全文

posted @ 2022-12-03 15:46 ZERO- 阅读(3259) 评论(0) 推荐(2) 编辑

公告

昵称： ZERO-
园龄： 8年1个月
粉丝： 96
关注： 25

+加关注

<

2025年3月

>

日

一

二

三

四

五

六

23

24

25

26

27

28

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

1

2

3

4

5

随笔分类

随笔档案

阅读排行榜

评论排行榜

最新评论

1. Re:TimesURL: 用于通用时间序列表征学习的自监督对比学习《TimesURL: Self-supervised Contrastive Learning for Universal Time Series Representation Learning》(通用时间序列表示、自监督对比学习、双重Universums硬负样本、时间重构联合优化)
@holly714 嗯嗯，加油ヽ(°▽、°)ﾉ...
--ZERO-
2. Re:TimesURL: 用于通用时间序列表征学习的自监督对比学习《TimesURL: Self-supervised Contrastive Learning for Universal Time Series Representation Learning》(通用时间序列表示、自监督对比学习、双重Universums硬负样本、时间重构联合优化)
@ZERO- 好的谢谢博主的解答我再好好斟酌考虑考虑一下...
--holly714
3. Re:TimesURL: 用于通用时间序列表征学习的自监督对比学习《TimesURL: Self-supervised Contrastive Learning for Universal Time Series Representation Learning》(通用时间序列表示、自监督对比学习、双重Universums硬负样本、时间重构联合优化)
@holly714 你好，不太建议哦，如果只是做异常检测的话，目前有很多优秀的模型可以实现，这篇论文的模型有点过于复杂，时间成本有点高。...
--ZERO-
4. Re:TimesURL: 用于通用时间序列表征学习的自监督对比学习《TimesURL: Self-supervised Contrastive Learning for Universal Time Series Representation Learning》(通用时间序列表示、自监督对比学习、双重Universums硬负样本、时间重构联合优化)
@ZERO- 那博主如果我只用这个模型做异常值检测呢主要想将timesurl这个模型做异常值检测与传统方法作比较理论部分我看懂50% 代码部分在GitHub上面看到有特别多暂时有点无从下手博主...
--holly714
5. Re:TimesURL: 用于通用时间序列表征学习的自监督对比学习《TimesURL: Self-supervised Contrastive Learning for Universal Time Series Representation Learning》(通用时间序列表示、自监督对比学习、双重Universums硬负样本、时间重构联合优化)
@holly714 你好，这个模型的代码要花好久才能看懂，而且模型有点过于复杂了，现在比较追求简洁高效的模型，建议找2024年新出的其他的论文模型哦(ICLR/NeurIPS等新出的)...
--ZERO-

Persistent.

昨日种种，皆成今我，切莫思量，更莫哀，从今往后，怎么收获，怎么栽.

12 2022 档案

公告

搜索

常用链接

最新随笔

积分与排名

随笔分类

随笔档案

阅读排行榜

评论排行榜

推荐排行榜

最新评论