#39 · 主分类: 时间序列机器学习

iTransformer

artificial-intelligence attention-mechanisms deep-learning time-series-forecasting transformers

iTransformer 的非官方实现 - 使用注意力网络的 SOTA 时间序列预测,来自清华/蚂蚁集团

项目最后更新:06/12/25

GitHub Stars

540

Forks数量

39

贡献者数量

2

许可证

MIT

收录理由

这是清华大学与蚂蚁集团提出的iTransformer架构的非官方实现,专注于多变量时间序列预测。与常规做法不同,它不把每个时间戳当作token,而是将每个变量视为token,从而让注意力机制建模通道间的关系,同时用前馈网络处理时间动态。该包可通过pip安装,提供简洁的PyTorch接口,几行代码即可设定回看长度、预测步长和模型深度。此外还包含实验性变体,如同时关注时间和变量的二维版本,以及FFT-token变体,方便在论文基线之外进一步探索。对于能源、金融或传感器数据相关的团队,这是一个实用的起点,之后可再转向官方参考实现。

相关文章

暂无针对该项目的文章。

如需补充新闻资讯、使用教程、应用测评等内容,欢迎 联系我们推荐选题或投稿。

同类热门项目