autoregressive probabilistic forecasting recurrent
Probabilistic Method
Probabilistic Method 符号约定 均值：\(\mu=\mathbb{E}[X]\) 方差：\(\sigma=\text{Var}[X]\). 斜方差：\(\text{Cov}(X,Y)\). 引入 对于 0/1 随机变量 \(X_i\)（也对应着一个事件是否发生），令 \(X=\s ......
概率霍夫变换（Progressive Probabilistic Hough Transform）原理详解
概率霍夫变换（Progressive Probabilistic Hough Transform）的原理很简单，如下所述： 1.随机获取边缘图像上的前景点，映射到极坐标系画曲线； 2.当极坐标系里面有交点达到最小投票数，将该点对应x-y坐标系的直线L找出来； 3.搜索边缘图像上前景点，在直线L上的点 ......
A fast and simple algorithm for training neural probabilistic language models
目录概Noise contrastive estimation Mnih A. and Teh Y. W. A fast and simple algorithm for training neural probabilistic language models. ICML, 2012. 概 NCE ......
2023 - LauraHughes - A Novel Method to Determine Probabilistic Tsunami Hazard Using a Physics‐Based Synthetic
概要 这篇文章主要讨论了使用基于物理的合成地震目录进行海啸危险评估的首次尝试，并展示了在新西兰海岸附近，近场地震海啸可以产生高达28米的最大海浪高度。文章介绍了使用Cornell Multi-grid Coupled Tsunami模型（COMCOT）进行海啸生成和传播模拟的方法，并对模拟结果进行了 ......
Probabilistic principal component analysis-based anomaly detection for structures with missing data（概率主成分分析PPCA）
SHM can provide a large amount of data that can reveal the variation in the structure condition什么是压缩传感，数据重构，研究背景与意义，怎么用 基于模型的方法不可避免的缺点是模型的不确定性，因为很难创建能 ......
Joint Autoregressive and Hierarchical Priors for Learned Image Compression
abstruct 最近的图像压缩模型基于自编码器，学习近似可逆的映射（从像素到量化的可逆表示），这些与熵模型（潜在表示的先验）结合，可以与标准算术编码算法一起使用产生压缩比特流。与简单的全因子先验相比，分层熵模型可以利用更多潜变量中的结构，从而在保存端到端优化的同时提高压缩性能。众所周知，自回归模型 ......
【论文阅读】OneNet Enhancing Time Series Forecasting Models under Concept Drift by Online Ensembling
原始题目：OneNet: Enhancing Time Series Forecasting Models under Concept Drift by Online Ensembling 中文翻译：OneNet：通过在线集成增强概念漂移下的时间序列预测模型 发表时间：2023年09月22日 平台： ......
【论文阅读笔记】【OCR-文本识别】 Scene Text Recognition with Permuted Autoregressive Sequence Models
PARSeq ECCV 2022 读论文思考的问题 论文试图解决什么问题？ 一些文本识别模型会对 semantic 信息建模，从而辅助某些困难情况下的文本识别 传统的 auto-regressive 方式限制了语义信息的传输方向；双向的 auto-regressive 聚合增加了不必要的计算量和复杂 ......
Recurrent Marked Temporal Point Processes: Embedding Event History to Vector
目录概MotivationMarked Temporal Point Process代码 Du N., Dai H., Trivedi R., Upadhyay U., Gomez-Rodriguze M. and Song L. Recurrent marked temporal point pr ......
使用递归图 recurrence plot 表征时间序列
在本文中，我将展示如何使用递归图 Recurrence Plots 来描述不同类型的时间序列。我们将查看具有500个数据点的各种模拟时间序列。我们可以通过可视化时间序列的递归图并将其与其他已知的不同时间序列的递归图进行比较，从而直观地表征时间序列。 递归图 Recurrence Plots（RP）是 ......
《Generic Dynamic Graph Convolutional Network for traffic flow forecasting》阅读笔记
论文标题 《Generic Dynamic Graph Convolutional Network for traffic flow forecasting》 干什么活：交通流预测（traffic flow forecasting ） 方法：动态图卷积网络（Dynamic Graph Convolu ......
Autoregressive Search Engines: Generating Substrings as Document Identifiers
目录概SEAL代码 Bevilacqua M., Ottaviano G., Lewis P., Yih W., Riedel S. and Petroni F. Autoregressive search engines: generating substrings as document ide ......
华为最高学术成果发表 —— 《Nature》正刊发表论文《Accurate medium-range global weather forecasting with 3D neural networks》
论文《Accurate medium-range global weather forecasting with 3D neural networks》的《Nature》地址： https://www.nature.com/articles/s41586-023-06185-3.pdf 论文的代码地 ......
【论文阅读】DeepAR Probabilistic forecasting with autoregressive recurrent networks
原始题目：DeepAR: Probabilistic forecasting with autoregressive recurrent networks 中文翻译：DeepAR:自回归递归网络的概率预测 发表时间：2020年07月 平台：International Journal of Forec ......
【论文阅读】Accuracy of real-time multi-model ensemble forecasts for seasonal influenza in the U.S.
原始题目：Accuracy of real-time multi-model ensemble forecasts for seasonal influenza in the U.S. 中文翻译：针对美国季节性流感的实时多模型集合预报的准确性 发表时间：2019年11月22日 平台：PLOS Com ......
Time Series Forecasting Methods
基于 EEMD-Prophet-LSTM 的滑坡位移预测 LSTM与Prophet时间序列预测实验 11 Classical Time Series Forecasting Methods in MATLAB - File Exchange - MATLAB Central (mathworks.c ......
Efficient Off-Policy Meta-Reinforcement Learning via Probabilistic Context Variables
郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！ Proceedings of the 36th International Conference on Machine Learning, PMLR 97:5331-5340, 2019 ......
Models List of Traffic Forecasting
模型列表 基线模型 对于时间序列预测任务：（模型在test/目录下） HA: 历史平均值，将历史流量建模为季节性过程，然后使用前几个季节的加权平均值作为预测值。 VAR: 向量自回归，这是一种常用的时间序列预测模型，用于捕捉多个变量随时间的关系。 SVR: 支持向量回归，它使用线性支持向量机进行回归 ......
学习笔记：DSTAGNN: Dynamic Spatial-Temporal Aware Graph Neural Network for Traffic Flow Forecasting
DSTAGNN: Dynamic Spatial-Temporal Aware Graph Neural Network for Traffic Flow Forecasting ICML2022 论文地址：https://proceedings.mlr.press/v162/lan22a.html ......
语音合成技术6：DuTa-VC: A Duration-aware Typical-to-atypical Voice Conversion Approach with Diffusion Probabilistic Model
DuTa-VC: 一种具有扩散概率模型的时长感知典型到非典型语音转换方法 摘要 我们提出了一种新颖的典型到非典型语音转换方法（DuTa-VC），它具有以下特点：（i）可以使用非平行数据进行训练，（ii）首次引入了扩散概率模型，（iii）保留了目标说话者的身份，（iv）了解目标说话者的音素持续时间。D ......
Long-term Forecasting with TiDE: Time-series Dense Encoder 学习笔记
Long-term Forecasting with TiDE: Time-series Dense Encoder 论文地址：https://arxiv.org/abs/2304.08424 代码地址：https://github.com/google-research/google-resear ......
4.3 Recurrent Neural Network (RNN) II
# 1. RNN 怎么学习 ## 1.1 Loss Function 如果要做learning的话,你要定义一个cost function来evaluate你的model是好还是不好,选一个parameter要让你的loss 最小.那在Recurrent Neural Network里面,你会怎么定 ......
论文翻译：2021_Real-Time Denoising and Dereverberation wtih Tiny Recurrent U-Net
论文地址：微型循环U-Net实时降噪和去混响 论文代码： https://github.com/YangangCao/TRUNet https://github.com/amirpashamobinitehrani/tinyrecurrentunet 引用格式：Choi H S, Park S, L ......
Probabilistic and Geometric Depth: Detecting Objects in Perspective(1)
作者认为单目3D目标检测可以简化为深度估计问题,深度估计不准确限制了检测的性能.已有的算法直接使用孤立实例或者像素估计深度,没有考虑目标之间的集合关系,因此提出了构建预测的目标之间的几何关系图,来促进深度预测. 将深度值划分成若干个区间,然后通过分布的期望来计算深度值,在精度和速度上都取得了不错的性 ......
时间序列转图像：符号递归图（Symbolic recurrence plots）（matlab版复现）
符号递归图（Symbolic recurrence plots）：是一种以为时间序列转图像技术，可用于平稳和非平稳数据集;对噪声具有鲁棒性，在一定的数据变换条件下具有不变性。结合深度学习技术可以解决能源电力，水利，天气，生物医学，交通等领域的复杂模式识别和监测任务。 链接：https://mbd.p ......
PyTorch-Forecasting一个新的时间序列预测库
时间序列预测在金融、天气预报、销售预测和需求预测等各个领域发挥着至关重要的作用。PyTorch- forecasting是一个建立在PyTorch之上的开源Python包，专门用于简化和增强时间序列的工作。在本文中我们介绍PyTorch-Forecasting的特性和功能，并进行示例代码演示。 完整 ......
Efficient Graph Generation with Graph Recurrent Attention Networks
[TOC] > [Liao R., Li Y., Song Y., Wang S., Nash C., Hamilton W. L., Duvenaud D., Urtasun R. and Zemel R. NIPS, 2019.](http://arxiv.org/abs/1910.00760) ......
【论文阅读】RAL2020: UFOMap An Efficient Probabilistic 3D Mapping Framework That Embraces the Unknown
Last edited time: March 31, 2023 1:30 PM Reference and prenotes Paper link：https://ieeexplore.ieee.org/document/9158399 Code link：https://github.com/U ......
Spatio-Temporal Representation With Deep Neural Recurrent Network in MIMO CSI Feedback阅读笔记
阅读文献《Spatio-Temporal Representation With Deep Neural Recurrent Network in MIMO CSI Feedback》 该文献的作者是天津大学的吴华明老师，在2020年5月发表于IEEE WIRELESS COMMUNICATIO ......
03.Forecasting the realized volatility of stock price index A hybrid model integrating CEEMDAN and LSTM
Forecasting the realized volatility of stock price index A hybrid model integrating CEEMDAN and LSTM 预测股票价格指数的实际波动率 CEEMDAN 和 LSTM 的混合模型 波动率：波动率是金融资产价 ......