【ML】时序预测的深度学习方法总结 发表于 2021-06-30 分类于 ML - 机器学习 本文字数: 303 总结一些自己所阅读DL-based时序预测算法的文献,包括了一些基于CNN、RNN、Attention、Transformer、GNN、GAN的算法。 为了对抗拖延症打算先放图占个坑,后续会逐一补充文字说明。在文字总结时,自己也会继续扩充相关内容和进行勘误,并分享slide版本。 如您发现错误,欢迎指正~ 时序预测简介 TS经典方法 DL方法汇总 基础模型:Canonical与Seq2Seq MLP CNN RNN Seq2Seq Attention-based 方法 LSTNet MTNet TPA-LSTM Transformer N-BEATS Informer GNN-based 方法 MTGNN MTAD-GAT GDN Summary 相关文章 【分布式ML】机器学习中的并行计算 【论文笔记】GNN之GAT:Graph Attention Networks 【论文笔记】GNN之GCN:Semi-Supervised Classification with Graph Convolutional Networks 【论文笔记】GNN之GCN:Semi-Supervised Classification with Graph Convolutional Networks 深度学习知识体系 本文作者: Gemini向光性 本文链接: https://www.geminilight.cn/2021/06/30/ML - 机器学习/ts-and-dl/ 版权声明: 本博客所有文章除特别声明外,均采用 BY-NC-SA 许可协议。转载请注明出处!