本文总结了2024 ICLR投稿时间序列的高分论文,其中包含了时间序列预测,分类,插补以及气象预测,大模型在时间序列建模等的应用。供大家学习,欢迎大家补充。
**挑选原则:**均分不低于6(≥6)
分数统计截至日期:23年11月17日
1. Inherently Interpretable Time Series Classification via Multiple Instance Learning
**链接:**https://openreview.net/forum?id=xriGRsoAza
**关键词:**多示例学习,时间序列分类,可解释性
分数:6888
confidence:4443
2. ModernTCN: A Modern Pure Convolution Structure for General Time Series Analysis
**链接:**https://openreview.net/forum?id=vpJMJerXHU
**关键词:**时间序列分析
**TL;DR:**采用了时间序列社区中很少探索的方法,成功地将卷积带回到时间序列分析中。我们的纯卷积结构在五个主流时间序列分析任务中实现了一致的最先进水平
分数:858
confidence:443
3. Interpretable Sparse System Identification: Beyond Recent Deep Learning Techniques on Time-Series Prediction
**链接:**https://openreview.net/forum?id=aFWUY3E7ws
**关键词:**稀疏系统,识别、长时预测
**TL;DR:**不使用神经网络的稀疏识别方法,与最近的 SOTA 深度学习方法相比,在多变量长期预测中实现了更高的精度,并且显着降低了计算成本。
分数:588
confidence:342
4. iTransformer: Inverted Transformers Are Effective for Time Series Forecasting(这篇热度高到爆炸,就不用多说了,分数高是意料之中的)
**链接:**https://openreview.net/forum?id=JePfAI8fah
**关键词:**时间序列分解,长时预测
**TL;DR:**提出了一种新颖的周期性解耦框架(PDF),通过捕获 2D 时间变化建模来进行长期序列预测。
分数:6688
confidence:4344
5. ClimODE: Climate Forecasting With Physics-informed Neural ODEs
**链接:**https://openreview.net/forum?id=xuY33XhEGR
**关键词:**神经常微分方程、时间序列预测、气候预测、基于物理的机器学习、不确定性量化
**TL;DR:**引入了一种受物理学启发的新颖的气候建模方法,使用常微分方程捕获潜在的归纳偏差并允许预测中的不确定性量化。
分数:6688
confidence:4333
6. Leveraging Generative Models for Unsupervised Alignment of Neural Time Series Data
**链接:**https://openreview.net/forum?id=9zhHVyLY4K
**关键词:**神经动力学、迁移学习、分布对齐、小样本学习(few-shot)、神经时间序列数据
分数:6686
confidence:4343
7. FITS: Modeling Time Series with 10 k 10k 10k Parameters
**链接:**https://openreview.net/forum?id=bWcnvZ3qMb
**关键词:**时间序列分析、时间序列预测、复值神经网络,轻量级
**TL;DR:**提出了一种新颖的周期性解耦框架(PDF),通过捕获 2D 时间变化建模来进行长期序列预测。
分数:8666
confidence:4432
8. TEMPO: Prompt-based Generative Pre-trained Transformer for Time Series Forecasting
**链接:**https://openreview.net/forum?id=YH5w12OUuU
**关键词:**时间序列预测、LLM
**TL;DR:**这项工作提出了一种用于时间序列预测的GPT
分数:865
confidence:434
9. SocioDojo: Building Lifelong Analytical Agents with Real-world Text and Time Series
**链接:**https://openreview.net/forum?id=s9z0HzWJJp
**关键词:**大语言模型、Agent、时间序列预测(好像和TSF关系不大,更多的是社交媒体分析)
**TL;DR:**提出了 SocioDojo,这是一个终身学习环境,可以让agent根据新闻持续做出投资决策,以及一种新颖的agent架构,可以通过假设和证明提示生成深入分析以协助决策。
分数:388
confidence:343
10. Conditional Information Bottleneck Approach for Time Series Imputation
**链接:**https://openreview.net/forum?id=K1mcPiDdOJ
**关键词:**时间序列插补;信息瓶颈
分数:6658
confidence:4444
11. Towards Enhancing Time Series Contrastive Learning: A Dynamic Bad Pair Mining Approach
**链接:**https://openreview.net/forum?id=K2c04ulKXn
**关键词:**时间序列对比学习、医疗保健、自监督表示学习
分数:6568
confidence:3534
12. Learning to Embed Time Series Patches Independently
**链接:**https://openreview.net/forum?id=WS7GuBDFa2
**关键词:**自监督学习、掩码时间序列建模、对比学习
**TL;DR:**提出了通过掩码时间序列建模进行自监督表示学习的独立patch策略。
分数:6685
confidence:3242
13. Tim Series Continuous Modeling for Imputation and Forecasting with Implicit Neural Representations
**链接:**https://openreview.net/forum?id=w8JizpeY4y
**关键词:**连续建模、预测、插补、隐式神经表示
**TL;DR:**提出了一种用于时间序列插补和预测的深度连续模型,可以处理不规则采样时间序列和新样本。
分数:558
confidence:443
14. TACTiS-2: Better, Faster, Simpler Attentional Copulas for Multivariate Time Series
**链接:**https://openreview.net/forum?id=xtOydkE1Ku
**关键词:**多元时间序列预测、copula
**TL;DR:**一个灵活的多变量概率时间序列预测模型,简化了attentional copulas,在不同的预测任务中具有最先进的精度,同时支持插值和从不规则数据中学习。
分数:5658
confidence:3343
15. Soft Contrastive Learning for Time Series
**链接:**https://openreview.net/forum?id=pAsQSWlDUf
**关键词:**对比学习,自监督,表示学习(下游任务:分类,迁移学习,异常检测)
**TL;DR:**本文提出了 SoftCLT,一种时间序列的软对比学习框架。
分数:5658
confidence:5444
16. Copula Conformal prediction for multi-step time series prediction
**链接:**https://openreview.net/forum?id=pAsQSWlDUf
**关键词:**共形预测、时间序列、不确定性量化、校准、RNN、Copula
**TL;DR:**通过使用 copula 对时间步长的依赖性进行建模,显着提高共形预测置信区间的效率/清晰度,用于多步时间序列预测。
分数:5685
confidence:4344
17. Stable Neural Stochastic Differential Equations in Analyzing Irregular Time Series Data
**链接:**https://openreview.net/forum?id=4VIgNuQ1pY
**关键词:**神经常微分方程、神经随机微分方程、不规则时间序列数据、时间序列分类
**TL,DR:**稳定神经随机微分方程
分数:666
confidence:334
18. STanHop: Sparse Tandem Hopfield Model for Memory-Enhanced Time Series Prediction
**链接:**https://openreview.net/forum?id=6iwg437CZs
**关键词:**时间序列预测;多元时间序列;霍普菲尔德网络;
**TL,DR:**提出了STanHop-Net,一种新颖的时间序列预测模型,将基于 Hopfield 的模块与外部存储模块相结合,增强学习能力,对突发事件快速响应,并具有卓越的理论保证和经验性能。
分数:8565
confidence:4243
19. Periodicity Decoupling Framework for Long-term Series Forecasting
**链接:**https://openreview.net/forum?id=dp27P5HBBt
**关键词:**时间序列分解,长时预测
**TL;DR:**提出了一种新颖的周期性解耦框架(PDF),通过捕获 2D 时间变化建模来进行长期序列预测。
分数:8838
confidence:4444
20. Self-Supervised Contrastive Forecasting
**链接:**https://openreview.net/forum?id=nBCuRzjqK7
**关键词:**自监督,对比学习,长时预测
**TL;DR:**提出了一种新颖的周期性解耦框架(PDF),通过捕获 2D 时间变化建模来进行长期序列预测。
分数:8655
confidence:4454
21. TEST: Text Prototype Aligned Embedding to Activate LLM’s Ability for Time Series
**链接:**https://openreview.net/forum?id=Tuh4nZVb0g
**关键词:**多元时间序列预测、LLM
分数:5585
confidence:3323