ViTime是一种用于时间序列预测的基础模型，它利用的是视觉智能而非传统的数值数据拟合。与传统的时间序列预测模型不同，ViTime通过视觉智能来捕捉数据的模式和趋势，从而提供更准确的预测。这种新颖的方法为时间序列...

近期，一种名为TimeSieve的新模型在时间序列预测领域引起了广泛关注。时间序列预测是一种常见的数据分析方式，它通过分析历史数据，预测未来的趋势。然而，这种方法面临着许多挑战，如数据不稳定、趋势不明显等问题...

pg_timeseries是一个开源时间序列扩展，专为PostgreSQL数据库设计。它提供了可扩展的基于时间的数据存储和查询功能，可用于存储和处理各种类型的时间数据。该扩展提供了一些重要的功能，如数据插入和查询，时间插值...

时序证据融合网络（TEFN）是GitHub最近发布的一种全新深度学习模型，旨在提升长期时间序列预测的准确性和稳定性。这一模型结合了信息融合和证据理论，通过专门的模块来提高预测的准确性和稳定性。其主要特点是能够综...

近期，研究人员开发了一种新的时序基础模型，名为TimesFM。该模型可应用于各种时间序列预测问题，包括股票价格、气象数据和交通流量等。TimesFM的优点在于能够处理数据的多种特征，如周期性、趋势性和季节性等。此外...

Lag-Llama是一种基于Transformer的模型，可在零样本和少样本泛化方面表现出色，并在广泛的时间序列数据上进行了预训练。通过对少量数据进行微调，它超越了现有深度学习方法的最新性能，标志着时间序列分析基础模型的...

Stanchion是一款SQLite 3扩展程序，可以在SQLite中实现列式存储。它将列式存储和数据仓库的所有优势带到了SQLite已经部署的任何地方。相对于行式存储，列式存储在存储和处理指标、日志和事件数据、时间序列数据存储...

该论文借鉴了LSTM的思想，并训练了一个拥有3B参数的模型，其性能优于更大的7B参数Transformer模型。这项工作有望在序列建模领域取得新的进展，尤其是在性能和可伸缩性方面。