【2021 AAAI】Informer: Beyond Efficient Transformer for Long Sequence Time-Series Forecasting

关键词：蒸馏、概率稀疏自注意力机制、生成式解码器
特点：降本增效
自测：使用自建的时序数据集进行测试，过去96小时预测未来24小时
mse:9.121872901916504, mae:2.2853033542633057
导航至学习记录：学习记录链接

【2021 NeurIPS】Autoformer: Decomposition Transformers with Auto-Correlation for Long-Term Series Forecasting

关键词：时序分解模块、自相关机制
特点：注重时序数据自身的周期特征
自测：使用自建的时序数据集进行测试，过去96小时预测未来24小时
mse:12.01842975616455, mae:2.5901458263397217
导航至学习记录：学习记录链接

【2022 ICML】FEDformer: Frequency Enhanced Decomposed Transformer for Long-term Series Forecasting

关键词：频域、傅里叶变换、小波变换
特点：在Autoformer主体框架的基础上，使用傅里叶变换、小波变换将时域转换为频域后进行特征提取
自测：使用自建的时序数据集进行测试，过去96小时预测未来24小时
mse:11.52622127532959, mae:2.53287410736084
导航至学习记录：学习记录链接

【2022 NeurIPS】Non-stationary Transformers:Exploring the Stationarity in Time Series Forecasting

关键词：平稳化
特点：针对过平稳化，提出一种创新的解决方法
自测：使用自建的时序数据集进行测试，过去96小时预测未来24小时
mse:5.9416890144348145, mae:1.7598674297332764
导航至学习记录：学习记录链接

【2023 ICLR】TIMESNET: TEMPORAL 2D-VARIATION MODELING FOR GENERAL TIME SERIES ANALYSIS

关键词：升维
特点：将一维时序数据转化为二维数据，借助CV领域成熟模型进行特征提取
自测：使用自建的时序数据集进行测试，过去96小时预测未来24小时
mse:6.045107364654541, mae:1.743194341659546
导航至学习记录：学习记录链接

【2023 ICLR】A Time Series is Worth 64 Words: Long-term Forecasting with Transformers

关键词：分块、通道独立
特点：将ViT思路引入时序预测
自测：使用自建的时序数据集进行测试，过去96小时预测未来24小时
mse:5.901376724243164, mae:1.7470899820327759
导航至学习记录：学习记录链接

【2023 AAAI】Are Transformers Effective for Time Series Forecasting?

关键词：Transformers、Linear、Effective？
特点：针对时序预测中Transformer系列的有效性提出质疑
自测：使用自建的时序数据集进行测试，过去96小时预测未来24小时
mse:6.253798007965088, mae:1.8150177001953125
导航至学习记录：学习记录链接

【2023 ICLR】SCALEFORMER: ITERATIVE MULTI-SCALE REFINING TRANSFORMERS FOR TIME SERIES FORECASTING

关键词：多尺度
特点：提出一种通用框架应用于前人模型中
导航至学习记录：学习记录链接

【2023 NeurIPS】Koopa: Learning Non-stationary Time Series Dynamics with Koopman Predictors

关键词：Koopman、时频转换、常变分解
特点：借助傅里叶频域分解，根据Koopman理论，完成算子探究，从而进行预测工作。
导航至学习记录：学习记录链接

【2023 arXiv】TimeGPT-1: TimeGPT-1

关键词：时间序列预测大模型
特点：通用、无样本预测
导航至学习记录：学习记录链接