thuml

Una biblioteca para modelos avanzados de series temporales profundas para el análisis general de series temporales.

Biblioteca de aprendizaje por transferencia para adaptación de dominio, adaptación de tareas y generalización de dominio

Acerca de la publicación del código de "Autoformer: Decomposition Transformers with Auto-Correlation for Long-Term Series Forecasting" (NeurIPS 2021), https://arxiv.org/abs/2106.13008

Implementación oficial de "iTransformer: Inverted Transformers Are Effective for Time Series Forecasting" (ICLR 2024 Spotlight)

Acerca del lanzamiento de código para "TimesNet: Temporal 2D-Variation Modeling for General Time Series Analysis" (ICLR 2023), https://openreview.net/pdf?id=ju_Uqw384Oq

Código oficial, conjuntos de datos y puntos de control para "Timer: Generative Pre-trained Transformers Are Large Time Series Models" (ICML 2024) y trabajos posteriores

Una lista curada de DATASETS, CODEBASES y PAPERS sobre Multi-Task Learning (MTL), desde la perspectiva del Machine Learning.

depyf es una herramienta para ayudarte a entender y adaptarte al compilador torch.compile de PyTorch.

Publicación de código para Non-stationary Transformers: Exploring the Stationarity in Time Series Forecasting (NeurIPS 2022), https://arxiv.org/abs/2205.14415

Implementaciones, código de preentrenamiento y conjuntos de datos para modelos de series temporales a gran escala.

Implementación oficial de "TimeXer: Empowering Transformers for Time Series Forecasting with Exogenous Variables" (NeurIPS 2024).