Koopaダウンロード - Koopaソースコードのダウンロード

Koopa

その他のソースコード

ダウンロード

クッパ

これは論文の公式コードベースです: Koopa: Learning Non-stationary Time Series Dynamics with Koopman Predictors, NeurIPS 2023. [スライド]、[ポスター]。

アップデート

お知らせ（2024.2）中国語での弊社作品紹介を【公式】、【知乎】に掲載しました。

お知らせ(2023.10) クッパを【時系列ライブラリ】に収録しました。

導入

Koopa は、効率的な時系列予測のための、 MLP ベースの理論に基づいた軽量モデルです。

高度でありながら丹念にトレーニングされたディープフォーキャスタと比較して、Koopa はトレーニング時間77.3%とメモリフットプリント76.0%を節約しながら、最先端のパフォーマンスを実現します。

Koopa は、ユビキタスな非定常時系列の描写に重点を置き、現実世界の時系列の非線形進化に自然に対処する現代の Koopman 理論によって強化されたモデル能力を示します。

Koopa は、エンドツーエンドの予測トレーニングを実現するための再構築損失関数を持たない標準的な Koopman Autoencoder とは異なります。

ディスカッション

私たちの論文についてはすでにいくつかの議論があり、[公式]、[オープンレビュー]、[Zhihu] の貴重なコメントと努力に多大な感謝をしています。

準備

Pytorch (>=1.12.0) およびその他の必要な依存関係をインストールします。

 pip install -r requirements.txt

6 つのベンチマークデータセットはすべて、Google Drive または Tsinghua Cloud から取得できます。

トレーニングスクリプト

Koopa 実験スクリプトとすべてのベンチマークデータセットのハイパーパラメーターは、フォルダー./scriptsの下に提供されます。

bash ./scripts/ECL_script/Koopa.sh
bash ./scripts/Traffic_script/Koopa.sh
bash ./scripts/Weather_script/Koopa.sh
bash ./scripts/ILI_script/Koopa.sh
bash ./scripts/Exchange_script/Koopa.sh
bash ./scripts/ETT_script/Koopa.sh

ローリング予測に適用可能

ローリング予測中に入力時系列に演算子を適応させることで、提案されたモデルは連続的な分布シフトに適応することでより正確なパフォーマンスを達成できます。
演算子適応の単純な実装は、DMD アルゴリズムに基づいています。複雑さを軽減した反復アルゴリズムを提案します。詳細については、論文の付録を参照してください。
このシナリオをより深く理解するためのチュートリアルノートブックも提供しています。詳細については、 operator_adaptation.ipynbを参照してください。

引用

このリポジトリが役立つと思われる場合は、論文を引用してください。

 @article{liu2023koopa,
  title={Koopa: Learning Non-stationary Time Series Dynamics with Koopman Predictors},
  author={Liu, Yong and Li, Chenyu and Wang, Jianmin and Long, Mingsheng},
  journal={arXiv preprint arXiv:2305.18803},
  year={2023}
}