thuml

Uma biblioteca para modelos avançados de Deep Time Series para análise geral de séries temporais.

Biblioteca de aprendizado por transferência para adaptação de domínio, adaptação de tarefa e generalização de domínio.

Sobre a liberação de código para "Autoformer: Decomposition Transformers with Auto-Correlation for Long-Term Series Forecasting" (NeurIPS 2021), https://arxiv.org/abs/2106.13008

Implementação oficial para "iTransformer: Inverted Transformers Are Effective for Time Series Forecasting" (ICLR 2024 Spotlight).

Sobre o lançamento 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 dados e checkpoints para "Timer: Generative Pre-trained Transformers Are Large Time Series Models" (ICML 2024) e trabalhos subsequentes.

Uma lista com curadoria de CONJUNTOS DE DADOS, BASES DE CÓDIGO e ARTIGOS sobre Aprendizado Multitarefa (MTL), sob a perspectiva de Machine Learning.

depyf é uma ferramenta para ajudar você a entender e se adaptar ao compilador PyTorch torch.compile.

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

Implementações, código de pré-treinamento e conjuntos de dados de Large Time-Series Models

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