Timestral-209M

Chronos-2 — 时间序列预测模型

AI 模型

拥有 1.2 亿参数的仅编码器时间序列基础模型，旨在实现零样本预测。它支持多种预测任务，并且高效，能够在单个 A10G GPU 上每秒提供超过 300 个预测。Chronos-2 是一个拥有 1.2 亿参数的仅编码器时间序列基础模型，旨在实现零样本预测。它支持多种预测任务，并且高效，能够在单个 A10G GPU 上每秒提供超过 300 个预测。

TimesFM 3.0 (PyTorch)

AI 模型

由 Google Research 开发的预训练时间序列基础模型。它旨在进行时间序列预测，并提供 PyTorch 权重和配置。TimesFM 3.0 是由 Google Research 开发的预训练时间序列基础模型。它旨在进行时间序列预测，并提供 PyTorch 权重和配置。

PatchTST

AI 模型

基于 Transformer 的长时序预测模型的官方实现。它将时间序列分割成块（patches）并独立处理，提供高效且有效的预测。该项目提供了监督学习和自监督学习方法的代码，实现了强大的预测能力。PatchTST 是一个基于 Transformer 的长时序预测模型的官方实现。它将时间序列分割成块（patches）并独立处理，提供高效且有效的预测。该项目提供了监督学习和自监督学习方法的代码，实现了强大的预测能力。

TimesNet

AI 模型

通用的时间序列分析基础模型，它将一维序列转换为二维空间以增强建模能力。通过利用视觉骨干网络进行强大的表示学习，在预测、插补、异常检测和分类任务中取得了最先进的成果，能够处理多样化的时间模式。TimesNet 是一个通用的时间序列分析基础模型，它将一维序列转换为二维空间以增强建模能力。通过利用视觉骨干网络进行强大的表示学习，在预测、插补、异常检测和分类任务中取得了最先进的成果，能够处理多样化的时间模式。

Prophet

AI 框架

Facebook 开发的一个开源预测程序。它专为具有强烈季节性效应和多个季节性的时间序列数据而设计。Prophet 速度快、自动化程度高，并且可以由数据科学家和分析师进行调优以实现精确预测。Prophet 是 Facebook 开发的一个开源预测程序。它专为具有强烈季节性效应和多个季节性的时间序列数据而设计。Prophet 速度快、自动化程度高，并且可以由数据科学家和分析师进行调优以实现精确预测。

Informer2020

AI GitHub 仓库

Informer2020 GitHub 存储库提供了 Informer 模型的 PyTorch 实现，该模型专为高效长序列时间序列预测而设计。它采用 ProbSparse Attention 来处理自注意力得分中的长尾分布，为复杂的预测任务提供了先进的解决方案。

NVIDIA Nemotron 3 Ultra

AI 模型

强大的AI模型，旨在处理复杂推理和多语言任务。它拥有5500亿个参数，在长文本分析和工具使用方面表现出色，适用于各个行业的高风险应用。NVIDIA Nemotron 3 Ultra是一款强大的AI模型，旨在处理复杂推理和多语言任务。它拥有5500亿个参数，在长文本分析和工具使用方面表现出色，适用于各个行业的高风险应用。

GluonTS

AI 框架

用于概率时间序列建模的 Python 包，利用基于 PyTorch 和 MXNet 的深度学习模型。它通过生成概率分布形式的预测（包括预测区间）来实现准确的预测，适用于复杂的时间序列分析。GluonTS 是一个用于概率时间序列建模的 Python 包，利用基于 PyTorch 和 MXNet 的深度学习模型。它通过生成概率分布形式的预测（包括预测区间）来实现准确的预测，适用于复杂的时间序列分析。