コレクションのダウンロード アドレス:クリックすると、コレクションのダウンロードにジャンプします。
これには、時系列予測、モデリング、アライメント、分析、異常検出、対比学習、計量学習、分類、クラスタリングなどの 14 の細分化の方向が含まれます。
以下は詳細なリストです。
1. 時系列予測
[1]FEDformer: 長期系列予測用の周波数拡張分解変圧器
[コード]https://github.com/MAZiqing/FEDformer
【公開】ICML 2022
【分野】長期系列予測
[2]TACTiS: 時系列のトランス注目カップル
[コード] https://github.com/ServiceNow/tactis
【公開】ICML 2022
【分野】時系列予測
[3] アテンション共有による時系列予測のためのドメイン適応
[コード] https://github.com/leejoonhun/daf
【公開】ICML 2022
【分野】DAベース時系列予測
[4]時系列に対する適応型等角予測
[コード] https://github.com/mzaffran/adaptiveconformalpredictionstimeseries
【公開】ICML 2022
【分野】電気料金時系列予測
[5]OFA: シンプルなシーケンスツーシーケンス学習フレームワークを介したアーキテクチャ、タスク、およびモダリティの統合
[コード] https://github.com/OFA-Sys/OFA
【公開】ICML 2022
【分野】Sequence-to-Sequenceに基づくマルチモーダル事前学習
[6]時系列予測のための強化学習ベースの動的モデルの組み合わせ
[コード] hなし
【発行】AAAI 2022
【分野】強化学習に基づく時系列予測
[7] 分布シフトに対する正確な時系列予測のための可逆的なインスタンス正規化
[コード] https://github.com/ts-kim/RevIN
【発行】ICLR 2022
【分野】時系列予測
[8] G_ap_s の充填: グラフ ニューラル ネットワークによる多変量時系列代入
[コード] https://github.com/Graph-Machine-Learning-Group/grin
【発行】ICLR 2022
【分野】時系列予測
[9] Pyraformer: 長距離時系列モデリングと予測のための低複雑性ピラミッドの注目
[コード] https://github.com/alipay/Pyraformer
【発行】ICLR 2022
【分野】時系列予測
[10] TAMP-S2GCNets: 時系列予測のための時間認識マルチパーシステンス知識表現と空間スープラグラフ畳み込みネットワークの結合
[コード]なし
【発行】ICLR 2022
【分野】時系列予測
[11]DEPTS: 定期的な時系列予測のための深層拡張学習
[コード] https://github.com/weifantt/depts
【発行】ICLR 2022
【分野】時系列予測
[12] PSA-GAN: 合成時系列用のプログレッシブ セルフ アテンション GAN
[コード] https://github.com/awslabs/gluon-ts
【発行】ICLR 2022
【分野】時系列予測
[13]Back2Future: バックフィル ダイナミクスを活用して将来のリアルタイム予測を向上させる
[コード] https://github.com/AdityaLab/Back2Future
【発行】ICLR 2022
【分野】時系列予測・流行予測
[14]CAMul: 校正された正確なマルチビュー時系列予測
[コード] https://github.com/adityalab/camul
【公開】WWW2022
【分野】時系列予測
[15] PopNet: データ遅延を伴うリアルタイムの人口レベルの疾病予測
[コード] https://github.com/v1xerunt/popnet
【公開】WWW2022
【分野】時系列予測
[16]時系列予測の信頼推定を備えた多粒度残差学習
[コード]h
【公開】WWW2022
【分野】時系列予測
[17]危機時の刺激チェックの割り当て
[コード] https://github.com/papachristoumarios/financial-contagion
【公開】WWW2022
【分野】時系列予測
[18] 多変量時系列予測のための意味論的知識による正規化されたグラフ構造学習
[コード] https://github.com/ant-research/RGSL
【発行】IJCAI 2022
【分野】時系列予測
[1] Triformer: 長期シーケンスの多変量時系列予測に対する三角形の変数固有の注意
[コード]なし
【発行】IJCAI 2022
[分野] 多変量時系列予測
[20] DeepExtrema: 時系列データのブロック最大値を予測するための深層学習アプローチ
[コード] https://github.com/galib19/deepextrema-ijcai22-
【発行】IJCAI 2022
【分野】時系列予測
2. 時系列モデリング
[1]連続再帰ユニットを使用した不規則時系列のモデル化
[コード] https://github.com/boschresearch/continuous-recurrent-units
【公開】ICML 2022
[分野] 不規則サンプリングによる時系列モデリング
[2]トランスフォーマーの神経プロセス: シーケンス モデリングによる不確実性を認識したメタ学習
[コード] https://github.com/tung-nd/tnp-pytorch
【公開】ICML 2022
[分野] シーケンスモデリング、神経プロセス、不確実性
[3]ノイズ除去オートエンコーダーによる生物学的配列設計のベイジアン最適化の加速
[コード] https://github.com/samuelstanton/lambo
【公開】ICML 2022
[分野] 生物配列データモデリング、ベイズ最適化
[4]ビデオ復元のための教師なしフローアラインメントシーケンス間学習
[コード]https://github.com/linjing7/VR-Baseline
【公開】ICML 2022
[分野] Sequence-to-Sequence コンピュータビジョンモデル
[5]連続時間イベント列の効率的な検索のための時間点処理の学習
[コード] https://github.com/data-iitd/neuroseqret
【発行】AAAI 2022
[フィールド] ポイントプロセス結合時間イベントシーケンス
3. 時系列の調整
[1]時系列アライメントのための閉形式微分同相変換
[コード] https://github.com/imartinezl/difw
【公開】ICML 2022
[フィールド] 時系列アライメント
4. 時系列分析
[1]マルチモーダル時系列からの非線形力学システムの再構成
[コード] https://github.com/durstewitzlab/mmplrnn
【公開】ICML 2022
[分野] マルチモーダル時系列解析
[2]電子カルテ時系列におけるクラスターベースの特徴の重要性の学習
[コード]なし
【公開】ICML 2022
【分野】電子医療記録(EHR)データ分析
[3]モデルに基づいたタンパク質配列設計のための近位探索
[コード]なし
【公開】ICML 2022
【分野】タンパク質配列解析
[4]GFlowNetsによる生物配列設計
[コード] https://github.com/mj10/bioseq-gfn-al
【公開】ICML 2022
【分野】 生物配列解析
[5] SkexGen: もつれを解いたコードブックを使用した CAD 構築シーケンスの自己回帰生成
[コード]https://github.com/samxuxiang/SkexGen
【公開】ICML 2022
[分野] CAD(Computer Aided Design)構造シーケンス解析
[6]不規則にサンプリングされた多変量時系列のグラフガイド ネットワーク
[コード] https://github.com/mims-harvard/raindrop
【発行】ICLR 2022
【分野】非定常的に採用される多変量時系列解析手法
[7]非定常時系列解析のための Huber 加法モデル
[コード]https://github.com/xianruizhong/SpHAM
【発行】ICLR 2022
【分野】非定常時系列解析
[8]アクティブラーニングを加速するための時系列にわたるコヒーレンスベースのラベル伝播
[コード]なし
【発行】ICLR 2022
[ドメイン] ラベル付き時系列分析の欠如
[9]不規則にサンプリングされた時系列に対する不均一時間変分オートエンコーダ
[コード] https://github.com/reml-lab/hetvae
【発行】ICLR 2022
【分野】不規則サンプリング時系列解析手法
5. 教師なし/自己教師あり時系列
[1]反復双線形時間スペクトル融合による教師なし時系列表現学習
[コード]なし
【公開】ICML 2022
[フィールド] 教師なし/自己教師あり時系列
[1]スタイル等化: 制御可能な生成シーケンス モデルの教師なし学習
[コード] https://apple.github.io/ml-style-equalization/
【公開】ICML 2022
[分野] 制御可能なシーケンス生成、教師なし
6. 時系列異常検知
[1]多変量時系列異常検出のための深変分グラフ畳み込みリカレント ネットワーク
[コード]なし
【公開】ICML 2022
[分野] 多変量時系列異常検知
[2]時系列異常検知の厳格な評価に向けて
[コード] https://github.com/tuslkkk/tadpak
【発行】AAAI 2022
[分野] 時系列異常検出のレビュー
[3]複数時系列の異常検出のためのグラフ拡張正規化フロー
[コード] https://github.com/enyandai/ganf
【発行】ICLR 2022
【分野】時系列異常検知
[4]Anomaly Transformer: 関連付けの不一致による時系列異常検出
[コード] https://github.com/thuml/Anomaly-Transformer
【発行】ICLR 2022
【分野】時系列異常検知
[5]オンライン システム向けの多変量時系列における半教師あり VAE ベースのアクティブ異常検出フレームワーク
[コード]なし
【公開】WWW2022
【分野】時系列異常検知
[6]GRELEN: グラフリレーショナル学習の観点から見た多変量時系列異常検出
[コード]なし
【発行】IJCAI 2022
【分野】時系列異常検知
[7]時系列に対するニューラルコンテキスト異常検出
[コード] https://github.com/Francois-Aubet/gluon-ts
【発行】IJCAI 2022
【分野】時系列異常検知
7. 時系列比較学習
[1]エキスパート機能を活用した時系列表現の対比学習
[コード] https://github.com/boschresearch/expclr
【公開】ICML 2022
[分野] 時系列対照学習
8. 時系列因果分析
[1]CITRIS: 時間的介在シーケンスからの因果関係の特定可能性
[コード] https://github.com/phlippe/citris
【公開】ICML 2022
【分野】時系列因果分析
[2]公平性の因果概念とその結果
[コード]なし
【公開】ICML 2022
【分野】因果関係、公正な意思決定アルゴリズム
9. 時系列指標の学習
[1]I-SEA: 時系列分析と埋め込みのための重要度サンプリングと期待アライメントベースの深層距離メトリック学習
[コード] https://github.com/srambhatla/ISEA
【発行】AAAI 2022
[ドメイン] 時系列メトリック学習
10. 時系列の生成
[1]時系列生成のための条件付き損失とディープオイラースキーム
[コード]なし
【発行】AAAI 2022
[フィールド]時系列生成
11. 時系列クラスタリング
[1]疾患表現型解析のためのクラスタリング間隔打ち切り時系列
[コード]なし
【発行】AAAI 2022
[分野] 時系列クラスタリング
12. 時系列分類
[1]時系列領域の堅牢なディープ モデルのトレーニング: 新しいアルゴリズムと理論分析
[コード] https://github.com/tahabelkhouja/robust-training-for-time-series
【発行】AAAI 2022
【分野】時系列トレーニング
[2]T-WaveNet: 時系列信号解析のためのツリー構造ウェーブレット ニューラル ネットワーク
[コード]なし
【発行】ICLR 2022
[分野] 時系列分類
[3] オムニスケール CNN: 時系列分類のためのシンプルで効果的なカーネル サイズ構成
[コード] https://github.com/Wensi-Tang/OS-CNN
【発行】ICLR 2022
[分野] 時系列分類
[4]EXIT: 時系列分類と予測のための外挿および内挿ベースのニューラル制御微分方程式
[コード]なし
【公開】WWW2022
[分野] 時系列分類
[5] 多変量時系列分類のための強化学習に基づくパターン マイニング フレームワーク
[コード]なし
【発行】IJCAI 2022
[分野] 時系列分類
13. 時系列表現の学習
[1]TS2Vec: 時系列の普遍的な表現に向けて
[コード] https://github.com/yuezhihan/ts2vec
【発行】AAAI 2022
【分野】時系列表現学習
[2]CoST: 時系列予測のための解きほぐされた季節傾向表現の対比学習
[コード] https://github.com/salesforce/CoST
【発行】ICLR 2022
【分野】時系列表現学習
14. 順序と推奨事項
[1]ディープハイブリッドネットワークアーキテクチャの自動検出による逐次推奨を目指して
[コード] https://github.com/Mingyue-Cheng/NASR
【公開】WWW2022
[分野] 順序と推奨事項
[2]分解されたアイテム機能ルーティングによるシーケンシャルレコメンデーション
[コード]なし
【公開】WWW2022
[分野] 順序と推奨事項
[3]確率的セルフアテンションによる逐次推薦
[コード] https://github.com/zfan20/stosa
【公開】WWW2022
[分野] 順序と推奨事項
[4] 過去を学び、未来に向けて進化: 逐次行動データによる検索ベースの時間認識レコメンデーション
[コード] https://github.com/zfan20/STOSA
【公開】WWW2022
[分野] 順序と推奨事項
[5]逐次レコメンデーションのための意図的対照学習
[コード] https://github.com/salesforce/iclrec
【公開】WWW2022
[分野] 順序と推奨事項
[6]逐次レコメンデーションに必要なのはフィルター強化MLPだけ
[コード] https://github.com/RUCAIBox/FMLP-Rec
【公開】WWW2022
[分野] 順序と推奨事項
[7] 連続音楽レコメンデーションのランキングを取得するための効率的なオンライン学習
[コード]なし
【公開】WWW2022
[分野] 順序と推奨事項