Time series prediction with FNN-LSTM
在最近的一篇文章中，我们展示了如何使用由假最近邻 (FNN) 损失正则化的 LSTM 自动编码器来重建非线性混沌动态系统的吸引子。在这里，我们探讨了同样的技术如何帮助进行预测。与容量相当的“原始 LSTM”相比，FNN-LSTM 可以提高一组非常不同的真实世界数据集的性能，尤其是对于多步预测中的初始步骤。
Time Series Forecasting with Recurrent Neural Networks
在本文中，我们将回顾三种用于提高循环神经网络性能和泛化能力的高级技术。我们将在温度预测问题上演示这三个概念，您可以访问来自安装在建筑物屋顶上的传感器的时间序列数据点。
Forthcoming machine learning and AI seminars: June 2025 edition
该帖子包含计划在2025年6月2日至7月31日之间举行的与AI相关的研讨会的列表。此处详细介绍的所有活动都是免费的，并开放供任何人参加。 2025年6月2日，基础时间序列的基本局限性预测模型：对多模式和严格评估扬声器的需求：丹尼尔[…]
传统的预测方法通常依赖于统计建模，但Chronos将时间序列数据视为要建模的语言，并使用预训练的FM来生成预测，类似于大型语言模型（LLMS）的生成文本。与传统方法相比，计时可帮助您更快地实现准确的预测，从而大大减少开发时间。在这篇文章中，我们分享了Deutsche Bahn如何使用Chronos模型重新定义预测，并提供了一个示例用例，以说明如何使用Chronos开始使用。
Compensation and Employment Trends in Economic Development in North Carolina and Virginia
在过去的几个月中，我们与弗吉尼亚州经济开发商协会和北卡罗来纳州经济发展协会共同发表了两项经济发展薪资调查，这些调查提供了有关薪酬和就业的宝贵信息 - 既是当前实践的快照，又是时间序列的数据趋势。虽然人才…北卡罗来纳州和弗吉尼亚州经济发展的薪酬和就业趋势阅读了更多»北卡罗来纳州和弗吉尼亚州经济发展的后赔偿和就业趋势首次出现在创意经济发展咨询中。
Grocery Prices Continue to Rise, as Forecast Path Steepens
今天发行的CPI发行：图1：CPI在家中的食品（黑色），USDA经济研究服务局（USDA经济研究服务局（USDA）1月份（蓝色广场），2月（红色三角形），从3月开始（绿色倒三角），按日志规模。资料来源：BLS通过Fred，ERS，作者的计算。请注意，USDA ERS预测是基于时间序列分析的预测。它没有[…]
The Yield Curve: Steepening *and* Inverting
时间序列，用于3M10，2S10，以及1yr-FFR Spriz Miller（2019）在1个月的地平线上识别为Max Auroc Auroc衰退预测指标。图1：10yr-3mo国库期限（蓝色，左尺度），10年2岁的国库期（红色，左标），1yr-fed Funds（浅绿色），全部以％为百分比，近距离（绿色，右尺度）。资料来源：财政部，CBOE通过[…]
若い世代が結婚・子育てに望ましいと思う制度１位は?－理想の夫婦像激変時代の人材確保対策を知る
从统计上讲，日本的出生率下降与未婚（首次婚姻之间的婚姻减少）平行，1970年的出生和首次婚姻数量为193万和103万，但在2023年，2023年是730,000和360,000，是730,000和360,000，而出生率下降到38％和38％的玛利亚数落到38％的人数中，39％的人数为39％。出生和婚姻的数量已显着减少60％*1，几乎没有差异。 “结婚的意愿”通常被称为减少婚姻原因的理论，但没有显着减少*2，几乎没有能力来解释婚姻的显着减少。另一方面，过去半个世纪关于婚姻的统计“突然变化”因素之一是当今青年和他们的父母一代之间“一对已婚夫妇的理想形象”的主要变化[图1]。尽管年轻一代理想的家庭形
欢迎来到我们的每月摘要，您可以在这里赶上您可能错过的任何AIHUB故事，仔细阅读最新消息，回顾最近的事件等等。本月，我们探讨了时间序列的内核表示学习，了解机器学习中的公平性，并在出版世界中解决不良练习。启动我们的2025年访谈[…]
Pandas Can’t Handle This: How ArcticDB Powers Massive Datasets
Python 已经发展成为数据科学的主导，其包 Pandas 已成为数据分析的首选工具。它非常适合表格数据，如果您有大容量 RAM，它支持高达 1GB 的数据文件。在这些大小限制内，它也适用于时间序列数据，因为它带有一些[…]帖子 Pandas 无法处理这个问题：ArcticDB 如何为海量数据集提供支持首先出现在 Towards Data Science 上。
59. International Development Report, IDER 24-4: Financial Indicators in 164 countries
该表包括了22个人口超过6700万的国家的指标，并与世界平均水平进行了比较。 IDER 报告 24-4 在期刊 AEID 第 24-2 卷的文章中包括一个包含 164 个国家数据的表格。PH21 是 2021 年的人均 GDP（美元）和购买力平价。CREDH 是人均信贷BH 是人均银行信贷DH 是人均银行存款NPL 是不良贷款百分比Pop 是人口（千人）”对 2021 年 164 个国家样本的发展与金融指标之间的因果关系进行分析的主要结论如下（如 Guisan（2024）在 AEID 24-1 中的文章所述）。“对 2021 年本研究国际样本的估计方程的分析，提出了几个实证证据：1）DH：以实
若い世代が結婚・子育てに望ましいと思う制度１位は？－理想の夫婦像激変時代の人材確保対策を知る
从统计上看，日本的少子化现象是与未婚人口增加（初婚减少）同步发展的。 1970年，出生人口和初婚人数分别为193.4万和102.9万，但到2023年，这两个数字将分别为72.7万和35.6万，这意味着出生人口下降到38%，结婚人口下降到39% 。出生人数和结婚人数都大幅下降，下降了60%1，下降幅度相差无几。人们常常将“结婚意愿”作为初婚数量大幅下降的感性原因，但这一因素实际上并没有下降多少，2 但这不足以解释结婚数量的急剧下降。另一方面，半个世纪以来，导致婚姻状况发生显著变化的一个因素是，当今的年轻人和他们的父母那一代人对“婚姻的理想形象”存在很大差异（图1）。尽管年轻一代对理想家庭结构的生
Macro-Financial Models of Canadian Dollar Interest Rate Swap Yields
本文分析了以加元计价的利率互换收益率的动态。它采用自回归分布滞后 (ARDL) 模型，使用月度时间序列数据来估计当前短期利率和其他相关宏观金融变量对利率互换收益率的影响。
IEEE Transactions on Emerging Topics in Computational Intelligence, Volume 8, Issue 6, December 2024
1) 多人差分博弈系统的去中心化触发和基于事件的积分强化学习作者：Chaoxu Mu、Ke Wang、Song Zhu、Guangbin Cai页数：3727 - 37412) 基于同步视频和 EEG 的儿童癫痫发作检测作者：Jiuwen Cao、Yuan Fang、Xiaonan Cui、Runze Zheng、Tiejia Jiang、Feng Gao页数：3742 - 37533) 考虑隐私的在线优化零阶去中心化对偶平均作者：Keke Zhang、Qingguo Lü、Xiaofeng Liao、Huaqing Li页数：3754 - 37664) 不平衡和不完整时间序列数据的深度回归建
Leveraging Periodicity for Robustness with Multi-modal Mood Pattern Models
*平等贡献者来自可穿戴传感器的数据（例如心率、步数）可用于模拟情绪模式。我们使用多模态离散时间序列数据表征特征表示和建模策略，使用具有自然缺失的大型数据集（n=116,819 名参与者）进行情绪模式分类，使用 12 个可穿戴数据流，重点是捕捉数据的周期性趋势。综合考虑性能和鲁棒性，基于周期性的具有梯度提升模型的聚合特征表示优于其他表示和架构……
Publication: Introducing the wiiw COMECON Dataset
本文介绍了社会主义保加利亚、捷克斯洛伐克的经济时间序列历史数据集……
Optimizing the Data Processing Performance in PySpark
PySpark 技术和策略解决常见的性能挑战：实践演练Apache Spark 近年来凭借其强大的分布式数据处理能力成为领先的分析引擎之一。PySpark 是 Spark 的 Python API，通常用于个人和企业项目以解决数据挑战。例如，我们可以使用 PySpark 高效地实现时间序列数据的特征工程，包括提取、提取和可视化。然而，尽管它能够处理大型数据集，但在极端数据分布和复杂的数据转换工作流等各种情况下仍然会出现性能瓶颈。本文将研究使用 Databricks 上的 PySpark 进行数据处理时的各种常见性能问题，并介绍各种微调策略以实现更快的执行速度。照片由 Veri Ivanova
