OpenTS-BM 算法
目录
端到端模型介绍
TFB 评估了多种方法，包括统计学习、机器学习和深度学习方法。
统计学习 (SL): ARIMA, ETS, Kalman Filter (Kalman), and VAR
机器学习(ML): XGB Model (XGB) , Linear Regression (LR), and Random Forest (RF)
深度学习 (DL):
- RNN-based models (RNN)
- CNN-based models (MICN, TimesNet, and TCN)
- MLP-based models (NLinear, DLinear, TiDE, N-HiTS, and N-BEATS)
- Transformer-based models (PatchTST, Crossformer, and FEDformer, Non-stationary Transformer (Stationary), Informer, and Triformer)
- Model-Agnostic models (FiLM)
基础模型介绍
FoundTS 评估了多种时间序列基础模型，包括使用多域时间序列预训练的时间序列预训练模型和使用大规模文本预训练的基于 LLM 的模型，以及特定模型。
时间序列预训练模型 (TS Pre-trained Models):
- 重构模型: MOIRAI, UniTS, Moment
- 自回归模型: TimesFM, Timer
- 预测模型: TTM
- 混合模型: ROSE
基于LLM的模型:
- 参数高效的微调方法: GPT4TS, SS2IPLLM
- 基于提示设计方法: UniTime, Time-LLM
