Papers with Code 아카이브
Time Series Analysis
태스크의 하위 분류와 논문·코드·평가·기법·데이터셋을 탐색하세요.
- 하위 태스크
- 12
- 평가표
- 3
- 보존된 평가 기록
- 14
Time Series Analysis is a statistical technique used to analyze and model time-based data. It is used in various fields such as finance, economics, and engineering to analyze patterns and trends in data over time. The goal of time series analysis is to identify the underlying patterns, trends, and seasonality in the data, and to use this information to make informed predictions about future values.
<span style="color:grey; opacity: 0.6">( Image credit: Autoregressive CNNs for Asynchronous Time Series )</span>
논문
이 태스크와 하위 분야의 관련 논문입니다. 실제 성능 비교는 평가 결과에서 확인하세요.
북극해 해빙 역학을 위한 지식 유도 시변 인과 추론
상태 추정을 위한 생성형 베이지안 필터링
투자자 관점 그라운딩: Black-Litterman 모델의 신경 술어
데이터 부족 생물공정 모델링을 위한 생물동역학 지식 사전 활용
Monkey King Bang: 통합 과학 멀티모달 파운데이션 모델
STeMP: 시공간 모델링 프로토콜
CEDAR: 자기회귀 과정을 위한 인과 엣지 발견
대기 화학에 파인튜닝된 AI 파운데이션 모델의 기계론적 해석 가능성을 향하여
과도한 로그 큐레이션을 넘어서: 비지도·컨텍스트 증강 언어 모델을 활용한 Perplexity 기반 APT 탐지
나비 효과를 미연에 차단하기: 자기회귀 기상 예측을 위한 자기 출력 미세조정(Self-Output Fine-Tuning, SOFT)
CASC: 다변량 시공간 데이터를 위한 인과적 적대적 부분공간 클러스터링
B-스플라인을 이용한 매끄러운 신경 점 과정
GlucoTune: 당뇨병 혈당 전처리, 예측 및 벤치마킹을 위한 통합 프레임워크
Risk Graph Neural Network를 통한 인구통계 정보 기반 온열-사망 위험 곡선
모바일 헬스 배포를 위한 확산 모델 기반 하위 집단 디지털 트윈: HeartSteps 개입 사례 연구
지속 가능한 도시를 위한 기후 회복력 전기차 충전 인프라: 예방 정비와 저탄소 이동성을 위한 해석 가능한 인과-앙상블 프레임워크
제약 다중 소스 추론을 통한 배전 시스템의 확장 가능한 토폴로지 추론
범용 시계열 예측 모델의 연속 학습을 위한 어텐션 기반 경험 재생 프레임워크
StrideDiffusion: 시계열 생성을 위한 확산 모델 가속
연속 EEG에서 서사 이해의 지표로서 전환 관련 전위
HiMe: 웨어러블 기기를 활용한 건강 인사이트를 위한 실시간 셀프 호스팅 개인 에이전트 플랫폼
일반화 가능한 EEG 표현 학습을 위한 멀티모달 사전학습
개연성과 허용 가능성 사이의 격차를 메우기: 동적 그래프 시스템을 위한 제약 인식 Flow Map
가나 시공간 말라리아 발생에 대한 비지도 합의 기반 이상 탐지
스트리밍 슬라이스 최적 수송
강건한 금융 사기 탐지와 적대적 회복력을 위한 LSTM-그래프 신경망 하이브리드 프레임워크
양자 리저버 아키텍처 설계를 위한 하이브리드 LLM 기반 검색
이질적 3D 모달리티를 활용한 통증 인식을 위한 통합 토큰화 프레임워크
설명 가능한 계산 모델링을 통한 통증 위치 특정의 탐색적 분석
멀티모달 시계열 데이터를 활용한 단고추 수확 준비 과실 수 예측
다변량 변화점 탐지에서 성분 귀인을 위한 사후 추론
변화점 탐지를 통한 인간-LLM 공동 작성 텍스트 세분화
UniSAGE: Hyper-Structure를 통한 정적·동적 속성 통합
공개 기록상의 Qubes OS 보안
GenTL: 건물 열 동역학을 위한 일반 전이학습 모델
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.