Papers with Code 아카이브
Time Series Forecasting
태스크의 하위 분류와 논문·코드·평가·기법·데이터셋을 탐색하세요.
- 하위 태스크
- 6
- 평가표
- 86
- 보존된 평가 기록
- 538
Time Series Forecasting is the task of fitting a model to historical, time-stamped data in order to predict future values. Traditional approaches include moving average, exponential smoothing, and ARIMA, though models as various as RNNs, Transformers, or XGBoost can also be applied. The most popular benchmark is the ETTh1 dataset. Models are typically evaluated using the Mean Square Error (MSE) or Root Mean Square Error (RMSE).
<span style="color:grey; opacity: 0.6">( Image credit: ThaiBinh Nguyen )</span>
논문
이 태스크와 하위 분야의 관련 논문입니다. 실제 성능 비교는 평가 결과에서 확인하세요.
강제 물리 시스템에서의 잠재 응답 법칙 발견
의사결정 중심 분포 강건 최적화를 위한 예측적 모호성 집합 학습
고전적 기준선을 양자 모델만큼 신중하게 튜닝할 때, 양자 레저버 컴퓨팅은 여전히 우위를 점하는가?
소매 판매 예측 및 공정 가격 책정을 위한 ARDL 모델 최적화
농업 분야 기상 매개변수 예측을 위한 심층 학습 모델의 탐색적 분석
다변량 시계열에 대한 최적 수송 어텐션 효과를 지닌 다중 스케일 합성곱
Forking-Sequences: 감소된 변동성을 갖는 통계적·계산적으로 효율적인 다중 수평선 예측
CITRAS-FM: 공변량 기반 제로샷 예측을 위한 소형 시계열 파운데이션 모델
Towards Continuous Power Forecasting: Practical Continual Learning for Real-World Energy Systems in Nonstationary Time Series
TSRouter: Dynamic Modality-Model Selection for Time Series Reasoning
분포 변화 하의 시간적 지식 그래프 예측: 합성 평가
전기차를 위한 온디바이스 적응형 배터리 전력 예측
GatedLinear: 시계열 예측을 위한 상보적 선형 기저의 적응적 라우팅
쿠프만 기반 순환 신경망
The Phasor Transformer: Resolving Attention Bottlenecks on the Unit Circle
극한 환경 이벤트에 대한 파운데이션 모델의 일반화 가능성 평가: 캘리포니아 산불 PM2.5 사례 연구
혼돈 예측을 위한 양자 저장소 아키텍처와 고차원성의 기여 여부 검증
PIT-SUN: 추천 시스템 회귀를 위한 기댓값 일관성 복원 기반의 배포 가능한 경험적 주변 변환 프레임워크
RhyMix: 장기 시계열 예측을 위한 경량 적응형 다중 리듬 네트워크
주파수 도메인 다중 모달리티 교통 모델링
부분 의존도 기반 해석 가능한 제약을 통한 신경망 학습 유도
PARA-PV: 고정된 기반 모델과 분포 이동 보정 기반의 물리 인식 검색-증강 태양광 발전 예측
ADORN: 강화학습을 활용한 Open RAN의 적응형 드리프트 처리
백홀 지연 환경에서 강인한 협력 빔포밍을 위한 시공간적 스케줄링 예측
불연속 게이팅을 가진 선택적 SSM의 정칙성 및 안정성 특성
시간적 변분 암묵 신경 표현
LLM4Delay: 대규모 언어 모델의 교차 모달리티 적응과 항공기 궤적 표현을 통한 항공편 지연 예측
다변량 시계열 예측을 위한 채널별 검색-증강 기법
일주일 만에 가격이 두 배로 오를 때: 수입 고립 시장에서의 농산물 변동성 예측
세분화 역설: 시간적 분해가 표본 내 적합도를 부풀리고 표본 외 오차를 복합적으로 키우는 방식
외생 드롭아웃: 공변량을 활용한 손상 강건 시계열 예측을 위한 단순하고 강력한 기준선
GNSS 기반 천정 습윤 지연을 기상 파운데이션 모델에 통합하여 강수 예측 개선
신뢰할 수 있는 산업 공정 추론을 위한 대규모 언어 모델 기반 측정 신뢰도 보정
RMISC: 시계열 기반 모델을 위한 대규모 실세계 다변량 코퍼스
Nash-Sutcliffe 손실을 이용한 학습
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.