LLM-Mixer: 融合多尺度时间序列分解与预训练模型,可以精准捕捉短期波动与长期趋势
近年来,大型语言模型(Large Language Models,LLMs)在自然语言处理领域取得了显著进展。受此启发,研究人员开始探索将LLMs应用于时间序列预测任务的可能性。由于时间序列数据与文本数据在特征上存在显著差异,直接将LLMs应用于时间序列预测仍面临诸多挑战。 为了解决这一问题,Jin等人提出了一种名为LLM-Mixer的创新框架,旨在通过引入多尺度时间序列分解,使LLMs更好地适....
ICLR 2024：Time-LLM：基于大语言模型的时间序列预测
在2024年ICLR上，研究者们展示了一种创新的时间序列预测方法——Time-LLM。这种方法的核心在于利用大型语言模型（LLMs）的能力，通过一种称为重新编程（reprogramming）的技术，将LLMs应用于时间序列预测任务。这一框架不仅保持了LLMs原有的架构，还通过引入Prompt-as-Prefix（PaP）技术，提升了LLMs对时间序列数据的理解和推理能力。 Time-LLM的提.....
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。