摘要：
原始题目：N-BEATS: Neural basis expansion analysis for interpretable time series forecasting 中文翻译：N-BEATS:可解释时间序列预测的神经基展开分析 发表时间：2020-02-20 平台：arXiv 文章链接：h 阅读全文
摘要：
【蔚来汽车】蔚来20220713第三题-旅游规划 牛牛对 n 个城市旅游情况进行了规划，已知每个城市有两种属性 x 和 y ，其中 x 表示去第 i 号城市的花费，y 表示在第 i 号城市游玩后会得到的开心值。 现在牛牛希望从中挑选出一些城市去游玩，但挑选出的城市必须满足任意两个城市之间花费差值的绝 阅读全文
摘要：
原始题目：OneNet: Enhancing Time Series Forecasting Models under Concept Drift by Online Ensembling 中文翻译：OneNet：通过在线集成增强概念漂移下的时间序列预测模型 发表时间：2023年09月22日 平台： 阅读全文
摘要：
原始题目：DouZero: Mastering DouDizhu with Self-Play Deep Reinforcement Learning 中文翻译：DouZero：通过自我玩法深度强化学习掌握斗地主 发表时间：2021年07月 平台：International Conference o 阅读全文
摘要：
原始题目：Improving language understanding by generative pre-training 中文翻译：通过生成预训练提高语言理解能力 发表时间：2018年 平台：Preprint 文章链接：https://www.mikecaptain.com/resource 阅读全文
摘要：
原始题目：TimeGPT-1 中文翻译：TimeGPT-1 发表时间：2023年10月05日 平台：arXiv 文章链接：http://arxiv.org/abs/2310.03589 开源代码：无 摘要 在本文中，我们介绍了TimeGPT，这是第一个用于时间序列的基础模型，能够为训练过程中看不到的 阅读全文
摘要：
如何找论文 收集关于该主题的各种资源，可以是论文，Medium文章，博客文章，视频，GitHub库各种形式。 接下来，就可以深入理解一下这些资源了。在这一步，最关键的是需要找个方法记录自己对各个资源的理解程度。 建议列表里的每篇论文都先读个10％到20％；这样就能保证你能大致读读介绍，判断一下相关性 阅读全文
摘要：
原始题目：DeepAR: Probabilistic forecasting with autoregressive recurrent networks 中文翻译：DeepAR:自回归递归网络的概率预测 发表时间：2020年07月 平台：International Journal of Forec 阅读全文
摘要：
原始题目：Accuracy of real-time multi-model ensemble forecasts for seasonal influenza in the U.S. 中文翻译：针对美国季节性流感的实时多模型集合预报的准确性 发表时间：2019年11月22日 平台：PLOS Com 阅读全文
摘要：
Proxifier是一款功能非常强大的代理客户端，可以实现代理部分应用程序上网。 1. 需求描述 在学习过程中，访问科学资源是一个不得不会的事，比如访问github，google等网站，大多数vpn软件和windows系统的代理设置只提供全局或者局部代理模式，代理规则并不清楚，也不太容易控制。我理想 阅读全文