deepkashiwa20
commented
3 years ago 好的 感谢感谢
最近时序列这里确实有很多好模型不断涌现，我们小团队自己人数有限，没法能覆盖特别多。
这三篇文章我们会尽快开始加入我们的benchmark，感谢您的支持。
我们这篇工作有幸被CIKM 2021 Resource Track 录用了，
预印版放到了arXiv上面，里面主要整理了一些交通这边的时序列工作，希望对您的研究有帮助。
https://arxiv.org/pdf/2108.09091.pdf https://arxiv.org/pdf/2108.09091.pdf%0d
万分感谢！
From: kpmokpmo @.> Sent: Monday, August 23, 2021 6:38 PM To: deepkashiwa20/DL-Traff-Grid @.> Cc: Subscribed @.***> Subject: [deepkashiwa20/DL-Traff-Grid] 期待更强的模型 (#1)
非常感谢你们的工作，很系统并有指导意义，相信持续更新可以做成相关领域的重要指南。根据我个人的经验有几个模型，可能会有更亮眼表现。
- StemGNN: Spectral Temporal Graph Neural Network for Multivariate Time-series Forecasting
- TS2VEC：Learning Timestamp-Level Representations for Time Series with Hierarchical Contrastive Loss
- Query Selector：LONG-TERM SERIES FORECASTING WITH QUERY SELECTOR – EFFICIENT MODEL OF SPARSE ATTENTION
它们主要适用于Graph类的数据集，stemgnn在我的私有数据集上显著优于MTGNN。TS2VEC是multivariates的非监督型的模型，需要调参。Query Selector只是sparse版的transformer，但它自己列的表现较为优秀，优于Informer。如果您对以上三个可能SOTA的候选感兴趣的话不妨实验一下，如果没精力就算了哈:p。
感谢！
— You are receiving this because you are subscribed to this thread. Reply to this email directly, view it on GitHub https://github.com/deepkashiwa20/DL-Traff-Grid/issues/1 , or unsubscribe https://github.com/notifications/unsubscribe-auth/AM5RDG7LMWYDTU56GGZUC3TT6IJG3ANCNFSM5CUF7BHQ . Triage notifications on the go with GitHub Mobile for iOS https://apps.apple.com/app/apple-store/id1477376905?ct=notification-email&mt=8&pt=524675 or Android https://play.google.com/store/apps/details?id=com.github.android&utm_campaign=notification-email . https://github.com/notifications/beacon/AM5RDG3Z2NAJ7CYCPQJD7T3T6IJG3A5CNFSM5CUF7BH2YY3PNVWWK3TUL52HS4DFUVEXG43VMWVGG33NNVSW45C7NFSM4ORZJKKA.gif
kpmokpmo
非常感谢你们的工作，很系统并有指导意义，相信持续更新可以做成相关领域的重要指南。根据我个人的经验有几个模型，可能会有更亮眼表现。
它们主要适用于Graph类的数据集，stemgnn在我的私有数据集上显著优于MTGNN。TS2VEC是multivariates的非监督型的模型，需要调参。Query Selector只是sparse版的transformer，但它自己列的表现较为优秀，优于Informer。如果您对以上三个可能SOTA的候选感兴趣的话不妨实验一下，如果没精力就算了哈:p。
感谢！