time-series

Implémentation en Python de la méthode de décomposition en modes empiriques (EMD)

Rendre les séries temporelles plus simples, plus rapides et plus ludiques avec Pytimetk.

Intégration de l'analyse financière dans le tidyverse

Framework de modélisation financière quantitative

tfts : modèles d'apprentissage profond pour séries temporelles dans TensorFlow

Une collection de méthodes de détection d'anomalies (iid/basées sur des points, graphes et séries temporelles) incluant l'apprentissage actif pour la détection/découverte d'anomalies, l'exploration de règles bayésiennes, et la description pour la diversité/explication/interprétabilité. Analyse de l'intégration des retours d'étiquetage avec des détecteurs d'ensemble et basés sur des arbres. Inclut des attaques adverses avec Graph Convolutional Network.

[TPAMI 2024] Ressources sur les GNN pour l'analyse de séries temporelles (GNN4TS)

Analyse hautement comparative de séries temporelles

Compression d'entiers ultra-rapide.

MOMENT : Une famille de modèles de fondation pour séries temporelles, ICML'24

Logiciel de séries temporelles InSAR Miami en Python.

Boîte à outils de data mining ELKI

Luminaire est un package Python fournissant des solutions basées sur le ML pour la surveillance de données de séries temporelles.

Ressources sur la prévision de séries temporelles et l'apprentissage profond.

Bibliothèque de résolution d'équations différentielles par réseaux de neurones basée sur PyTorch, utilisée par plusieurs groupes de recherche internationaux, dont Harvard IACS.

Dalaran — Infrastructure de données et de visualisation axée sur la robotique pour les séries temporelles multimodales, sous licence Apache-2.0. Natif ROS 2, lit les enregistrements .rrd existants. Un fork majeur de Rerun.

Apprentissage automatique pour données multivariées via la géométrie riemannienne des matrices définies positives en Python.

Générez automatiquement des modèles ARIMA, SARIMAX, VAR, FB Prophet et XGBoost sur des séries temporelles avec une seule ligne de code. Créé par Ram Seshadri. Collaborateurs bienvenus.

Prévision hiérarchique probabiliste avec des méthodes statistiques et économétriques.

Bibliothèque C++ header-only de rééchantillonnage audio professionnel de haute qualité. Très rapide, adaptée au rééchantillonnage audio et à l'interpolation de séries temporelles.

Auto-encodeur LSTM à double attention PyTorch pour les séries temporelles multivariées

Temporian est une bibliothèque Python open-source pour le prétraitement ⚡ et l'ingénierie des caractéristiques 🛠 de données temporelles 📈 pour les applications de machine learning 🤖

Transformation de données avancée et rapide en R

Ressources pour travailler avec des séries temporelles et des données séquentielles

Prédiction des cours boursiers à l'aide d'un réseau de neurones LSTM (mémoire à long terme) TensorFlow pour la prévision de séries temporelles

Base de données de séries temporelles open source et native SQL pour les métriques que vous devez conserver. Ingestion de 34M+ enregistrements/s, requêtes de 8M+ lignes/s. Compatible avec InfluxDB Line Protocol et Telegraf. Parquet open sur votre stockage. Binaire unique. Native S3/Azure. Prêt pour le mode air‑gap. AGPL-3.0.

Un modèle unifié de séries temporelles multi-tâches.

Analyse de séries temporelles dans le `tidyverse`

Base de données d'analyse de graphes évolutive propulsée par un moteur temporel vectorisé et multithread, écrite en Rust

Diagramme de chronologie