发现了一个顶会2025投稿新风口，接受数量翻倍！

为了帮助大家高效找idea，我们特为大家整理了 ICLR 2024、2023 收录论文 （时序 方向公开全部57篇 ）！

👇 扫码加助教回复【时序】 免费领取 ！

（时间序列预测、分类、异常检测、时空分析等10多个方向！）

另外，研梦非凡于 6月6日（周四） ，还邀请了大模型资深算法工程师魏导师，为大家独家详解 ICLR 2024收录论文 ： 《Time-LLM: Time Series Forecasting By Reprogramming Large Language Models》 （AI前沿直播课系列 NO.45） ， 从时间序列预测的传统方法，到结合大模型的前沿工作，深入分析Time-LLM的模型结构、实验研究，为大家的科研idea提供灵感！

👇 扫描二维码找助教0元 预约 本周直播课！

凡预约还可 再领时序 预测 必读论文及书籍 （74篇+5本） 文末还有算力等科研福利！

直播课内容概览

01 论文摘要

1. 时间序列预测的重要意义
2. LLM激活了时间序列预测能力
3. Time-LLM的创新点

02 论文引言

1. 传统的时间序列预测方法
2. LLM+时间序列预测方法的优势

• 泛化性增强，无需从头重新训练
• 数据效率提升，减少依赖历史数据
• 推理能力强大，高精度预测
• 多模态知识融合，协同预测

• 重编程框架，同时保持骨干模型的完整
• 将输入时间序列转为文本原型表示，并使用说明性提示
• 主流预测任务表现SOTA，尤其是少样本和零样本场景

03 过往工作

1. 特定任务的学习

• ARIMA模型、LSTM网络、时间卷积网络、Transformer
• 缺点

• 时间序列预训练模型（TSPTMs）的开发、策略，预训练与微调
• 缺点

• 时间序列编辑和模型微调
• Time-LLM与以上方法的不同

04 Time-LLM算法分析

1. 整体模型结构

• 输入变换
• 预训练和冻结的LLM
• 输出投影

• Input Embedding：采用简单的线性层作为补丁嵌入器来创建维度dm
• Patch Reprogramming：重新编程将补丁嵌入到源数据表示空间中，以对齐时间序列和自然语言的模态，以激活backbone的时间序列理解和推理能力
• Prompt-as-Prefix：提示作为前缀，避免了patch作为前缀的限制
• Output Projection

05 Time-LLM实验研究

06 总结和展望

1. 将冻结LLM用于时间序列预测方面，显示出了希望
2. 自适应LLM优于专门的专家模型，具有作为有效时间序列机器的潜力
3. 时间序列预测可被视为另一个语言任务，由现成的LLM解决
4. 后续研究应探索最佳的重编程表示，为LLM配备更广泛的时间序列分析能力或其他新能力

直播福利

参加本次直播的同学都将获得 1小时导师meeting 的福利（助教+导师）！ 原价2999， 限时福利价9.9元！ 活动时间为 6月6日到6月30日 。

ps：研梦非凡开设的前沿论文系列直播，旨在帮助大家提升读论文技能，快速抓住重点，掌握有效方法，进而找到创新点，轻松完成论文报告。

👇 扫描二维码找助教0元 预约 本周直播课！

研梦非凡科研论文指导

研梦非凡可指导的研究方向

主流方向科研论文常用方法

研梦非凡现有idea

👇 扫码加助教了解更多可指导方向

研梦非凡科研论文指导方案