【综述专栏】时序预测的DL-based方法总结：Attention、Transformer、GNN、GAN、...

在科学研究中，从方法论上来讲，都应“先见森林，再见树木”。当前，人工智能学术研究方兴未艾，技术迅猛发展，可谓万木争荣，日新月异。对于AI从业者来说，在广袤的知识森林中，系统梳理脉络，才能更好地把握趋势。为此，我们精选国内外优秀的综述文章，开辟“综述专栏”，敬请关注。

来源：知乎—Gemini向光性

地址：https://zhuanlan.zhihu.com/p/389866571

总结一些自己所阅读DL-based时序预测算法的文献，包括了一些基于CNN、RNN、Attention、Transformer、GNN、GAN的算法。

PDF版本下载地址见文章底部。

01

时序预测简介

02

TS经典方法

03

DL方法汇总

3.1 基础模型：Canonical与Seq2Seq

3.2 基础方法：MLP\ CNN\ RNN\ Seq2Seq

3.2.1 MLP

3.2.2 CNN

3.2.3 RNN

3.2.4 Seq2Seq

3.3 Attention-based 方法

LSTNet

MTNet

TPA-LSTM

3.4 Transformer-based 方法

N-BEATS

Informer

3.5 GNN-based 方法

MTGNN

MTAD-GAT

GDN

04

Summary

PDF:

https://www.geminilight.cn/resource/shared/slide/A Survey on Deep Learning Advances on Time Series Forecasting.pdf

本文目的在于学术交流，并不代表本公众号赞同其观点或对其内容真实性负责，版权归原作者所有，如有侵权请告知删除。

“综述专栏”历史文章

更多综述专栏文章，

请点击文章底部“阅读原文”查看

分享、点赞、在看，给个三连击呗！