#time-series Репозитории
Всего репозиториев: 143
Ресурсы по прогнозированию временных рядов и глубокому обучению.
Luminaire — это пакет Python, который предоставляет решения на основе машинного обучения для мониторинга данных временных рядов.
Библиотека для решения дифференциальных уравнений с использованием нейронных сетей на базе PyTorch, используемая несколькими исследовательскими группами по всему миру, включая Harvard IACS.
Машинное обучение для многомерных данных через риманову геометрию положительно определённых матриц в Python
Вероятностное иерархическое прогнозирование 👑 с использованием статистических и эконометрических методов.
Автоматически создавайте модели ARIMA, SARIMAX, VAR, FB Prophet и XGBoost на наборах данных временных рядов с помощью одной строки кода. Создано Рамом Сешадри. Приглашаем к сотрудничеству.
Высококачественная C++ библиотека только для заголовков для профессионального ресемплера аудио / преобразования частоты дискретизации. Очень быстрая, как для ресемплинга аудио, так и для интерполяции временных рядов.
PyTorch LSTM-автоэнкодер с двойным вниманием для многомерных временных рядов
Temporian — это сторонняя библиотека Python с открытым исходным кодом для предварительной обработки ⚡ и инжиниринга признаков 🛠 временных данных 📈 для приложений машинного обучения 🤖
Открытая база данных временных рядов с нативной поддержкой SQL для телеметрии, которую нужно хранить. Приём — более 38 млн записей/с, запросы — более 25 млн строк/с. Совместима с InfluxDB Line Protocol и Telegraf. Открытый формат Parquet в вашем хранилище. Один бинарный файл. Нативная поддержка S3/Azure. Готова к работе в изолированных сетях. AGPL-3.0.
Прогнозирование цен на акции с использованием нейронной сети TensorFlow LSTM (долгая краткосрочная память) для прогнозирования временных рядов
Масштабируемая база данных для аналитики графов, работающая на многопоточном, векторизованном временном движке, написанная на Rust
TimeCopilot: агентный фреймворк для прогнозирования. Созданный на основе больших языковых моделей (LLM) и базовых моделей временных рядов, он позволяет с помощью единого API строить прогнозы, проводить перекрёстную проверку и выявлять аномалии, используя несколько базовых моделей. От финансов и энергетики до веб-аналитики — TimeCopilot преобразует запросы на естественном языке в прогнозы, готовые к использованию в промышленной среде.
Кураторская коллекция общедоступных промышленных наборов данных.
Dalaran — Apache-2.0, инфраструктура визуализации и данных, ориентированная на робототехнику, для мультимодальных временных рядов. Нативная поддержка ROS 2, чтение существующих записей .rrd. Жесткий форк Rerun.
Механизм отчетности для Django. Создавайте информационные панели и автономные отчеты и диаграммы.
Репозиторий статьи «A Systematic Evaluation of Deep Anomaly Detection Methods for Time Series».
УСТАРЕЛО, теперь в sktime - вспомогательный пакет для глубокого обучения на основе TensorFlow
Modeltime объединяет модели прогнозирования временных рядов и машинное обучение в одной структуре
Сводник бесплатных ресурсов для чтения по ML
Релиз кода для «Нестационарные трансформеры: Исследование стационарности при прогнозировании временных рядов» (NeurIPS 2022), https://arxiv.org/abs/2205.14415
Этот репозиторий содержит список литературы по сегментации временных рядов. Этот репозиторий постоянно совершенствуется.
Официальная реализация на PyTorch статьи "SAITS: Импутация на основе Self-Attention для временных рядов". Быстрая и передовая (SOTA) модель глубокого обучения нейронной сети для эффективной импутации временных рядов (импутация многомерных неполных временных рядов, содержащих пропущенные данные/значения NaN, с помощью машинного обучения). https://arxiv.org/abs/2202.08516
SiriDB — это высоко масштабируемая, надежная и сверхбыстрая база данных временных рядов. Построенная с нуля, SiriDB использует уникальный механизм для работы без глобального индекса и позволяет добавлять ресурсы сервера на лету. Уникальный язык запросов SiriDB включает динамическую группировку временных рядов для легкого анализа больших объемов временных рядов.
Самообучающееся контрастивное обучение для временных рядов через временную-частотную согласованность