Koopa 다운로드 - Koopa 소스 코드 다운로드

Koopa

기타 소스코드

다운로드

쿠파

이것은 논문의 공식 코드베이스입니다: Koopa: Learning Non-stationary Time Series Dynamics with Koopman Predictors, NeurIPS 2023. [슬라이드], [포스터].

업데이트

뉴스 (2024.2) 중국어로 우리 작품 소개를 보실 수 있습니다: [공식], [지후].

뉴스 (2023.10) 쿠파가 [시계열 라이브러리]에 포함되었습니다.

소개

Koopa는 효율적인 시계열 예측을 위한 경량의 MLP 기반 이론 기반 모델입니다.

힘들게 훈련된 고급 예측자에 비해 Koopa는 77.3%의 훈련 시간과 76.0%의 메모리 공간을 절약하면서 최첨단 성능을 달성합니다.

유비쿼터스 비정상 시계열을 묘사하는 데 초점을 맞춘 Koopa는 실제 시계열의 비선형 진화를 자연스럽게 다루는 현대 Koopman 이론을 통해 강화된 모델 용량을 보여줍니다.

Koopa는 종단 간 예측 훈련을 달성하기 위한 재구성 손실 기능이 없는 표준 Koopman Autoencoder와 다릅니다.

토론

우리 논문에 대한 여러 토론이 이미 진행 중입니다. [공식], [Openreview], [Zhihu] 등 소중한 의견과 노력에 많은 감사를 드립니다.

준비

Pytorch(>=1.12.0) 및 기타 필요한 종속성을 설치합니다.

 pip install -r requirements.txt

6개의 벤치마크 데이터 세트는 모두 Google Drive 또는 Tsinghua Cloud에서 얻을 수 있습니다.

훈련 스크립트

우리는 ./scripts 폴더 아래에 모든 벤치마크 데이터세트의 Koopa 실험 스크립트와 하이퍼파라미터를 제공합니다.

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

롤링 예측에 적용 가능

롤링 예측 중에 들어오는 시계열에 대해 연산자를 조정함으로써 제안된 모델은 지속적인 분포 이동에 적응함으로써 보다 정확한 성능을 얻을 수 있습니다.
연산자 적응의 순진한 구현은 DMD 알고리즘을 기반으로 합니다. 우리는 복잡성이 감소된 반복 알고리즘을 제안합니다. 자세한 내용은 우리 논문의 부록에서 확인할 수 있습니다.
또한 이 시나리오를 더 잘 이해할 수 있도록 튜토리얼 노트북도 제공합니다. 자세한 내용은 operator_adaptation.ipynb 참조하세요.

소환

이 저장소가 유용하다고 생각되면 우리 논문을 인용해 주세요.

 @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}
}