timeseries

Implementierung des Transformer-Modells (ursprünglich aus „Attention is All You Need“) angewendet auf Zeitreihen.

tfts: Deep-Learning-Modelle für Zeitreihen in TensorFlow

Eine Sammlung von Anomalieerkennungsmethoden (IID/punktbasiert, Graphen und Zeitreihen) einschließlich aktiverem Lernen zur Anomalieerkennung/-entdeckung, Bayes'schem Regelmining und Beschreibung für Diversität/Erklärung/Interpretierbarkeit. Analyse der Einbindung von Feedback zu Labels mit Ensemble- und baumbasierten Detektoren. Beinhaltet gegnerische Angriffe mit Graph Convolutional Networks.

📈 Der InfluxDB Client für Node.js und Browser

Golang-Implementierung eines Graphite/Carbon-Servers mit klassischer Architektur: Agent -> Cache -> Persister

Chart.js-Modul zur Darstellung von Finanzwertpapieren

InfluxDB 2.0 Python-Client

Probabilistische hierarchische Vorhersage 👑 mit statistischen und ökonometrischen Methoden.

Beispiel für multiple multivariate Zeitreihenvorhersage mit LSTM Recurrent Neural Networks in Python mit Keras.

Hochwertiger, header-only C++ Resampler für Profi-Audio / Abtastratenkonvertierung. Sehr schnell, sowohl für Audio-Resampling als auch für Zeitreiheninterpolation.

Intuitive Daten-Workflows

Ein einfacher und flexibler Code für Reservoir-Computing-Architekturen wie Echo State Networks

Zeitreihenanalyse im `tidyverse`

Schneller Datenspeicher für Pandas-Zeitreihendaten

Repository zum Papier „A Systematic Evaluation of Deep Anomaly Detection Methods for Time Series“.

Echtzeit-Anomalieerkennung für Zeitreihenmetriken. 11 Jahre Evolution in der produktiven Anomalieerkennung. Multi-Algorithmus-Ensembles. Mustererkennung mittels semi-überwachtem und unüberwachtem Lernen. Korrelationsanalyse. Lernt und verbessert sich kontinuierlich. Keine GPU erforderlich, auf einem VPS ausführbar.

Modeltime integriert Zeitreihenprognosemodelle und maschinelles Lernen in einem Framework.

Diagramme im Terminal mittels Braille-Punkten erstellen.

Ein benutzerfreundliches Python-Paket für die Zeitreihenanalyse von Kepler- und TESS-Daten.

SiriDB ist eine hochskalierbare, robuste und extrem schnelle Zeitreihendatenbank. SiriDB wurde von Grund auf neu entwickelt und nutzt einen einzigartigen Mechanismus, um ohne globalen Index zu arbeiten, wodurch Serverressourcen im laufenden Betrieb hinzugefügt werden können. Die Abfragesprache von SiriDB ermöglicht die dynamische Gruppierung von Zeitreihen für eine einfache Analyse großer Datenmengen.