一文说清当下时间序列热门应用与挑战
时间序列分析作为热门技术，展现着巨大的潜力和影响。近年来不断涌现的用于时间序列分析的前沿技术对于快速学习和深入理解时间序列分析提出了挑战。
我们邀请到多篇顶会作者，顶会顶刊审稿人Poison老师，为我们带读三篇时下热门经典时序论文，帮助大家更好地理解这些新兴技术，为其进一步地发展和应用打下扎实的基础。
热门时序论文合集
课程讲师
-985博士，具有极强代码实现能力
-担任多项国家自然科学基金项目/国家重点研发项目技术骨干，参加过多项工业界/Kaggle/学术会议竞赛，并获得TOP名次
-发表/在投多篇高区SCI
-长期担任IEEE TIE/RCIM/IEEE Tmech等Top期刊审稿人
-研究领域主要包括三维物体姿态估计、故障诊断、时序异常检测、图像分类/分割等
带读论文
1.A Time Series is Worth 64 Words: Long-term Forecasting with Transformers （ICLR 2023）
2.Koopa: Learning Non-stationary Time Series Dynamics with Koopman Predictors （NeurIPS 2023）
3.Multi-Scale Adaptive Graph Neural Network for Multivariate Time Series Forecasting （TKDE 2023）
时间序列预测就是利用过去一段时间的数据来预测未来一段时间内的信息，包括连续型预测（数值预测，范围估计）与离散型预测（事件预测）等，具有非常高的商业价值。
需要明确一点的是，与回归分析预测模型不同，时间序列模型依赖于数值在时间上的先后顺序，同样大小的值改变顺序后输入模型产生的结果是不同的。
时间序列可以分为平稳序列，即存在某种周期，季节性及趋势的方差和均值不随时间而变化的序列，和非平稳序列。如何对各种场景的时序数据做准确地预测，是一个非常值得研究的问题。
Google 内部的各种时序预测的场景
对于还没有发过第一篇论文，还不能通过其它方面来证明自己天赋异禀的科研新手，学会如何写论文、发顶会的重要性不言而喻。
但是到了真正实操阶段才发现，并不那么简单，可能照着自己的想法做下去并不能写出一篇好的论文、甚至不能写出论文。掌握方法，有人指点和引导很重要！
还在为创新点而头秃的CSer，还在愁如何写出一篇好论文的科研党，一定都需要来自顶会论文作者、顶会审稿人的经验传授和指点。
很可能你卡了很久的某个点，在和学术前辈们聊完之后就能轻松解决。
文末福利
为庆祝沃恩20周年庆！给大家送一波大福利！我整理了100节计算机全方向必学课程，包含CV&NLP&论文写作经典课程，限时免费领！
立即扫码免费领100节计算机必学课程
-END-