專案檔案
TSLANet
自適應頻譜時序分析網路
GitHub Stars
258
論文
ICML 2024
任務
時序分析
- 機構
- SUTD
- 分組
- 大學與研究機構
- 類別
- 時序基礎模型
- 狀態
- 研究開源
- 啟動
- 2024-04
- 語言 / 形態
- Python
- 協議
- MIT
- GitHub Stars
- 265
- 資訊更新
- 2026-05-04
TSLANet 是 SUTD 參與的時序 AI 研究專案,用輕量自適應頻譜網路處理預測、分類和表示學習等時間序列任務。
是什麼
TSLANet 的全稱是 Time Series Lightweight Adaptive Network。它結合卷積操作和頻譜分析,用 Adaptive Spectral Block 捕捉長期和短期時序關係,並通過自適應閾值降低噪聲。
它不是通用聊天模型,而是面向感測器、金融、工業、醫療等連續時間資料的模型路線。
與 AI 的關係
時序資料是 AI 應用裡很重要但不夠顯眼的一類資料。企業和公共系統大量訊號都不是文本或圖片,而是連續指標:負載、價格、用電量、病人生命體徵、裝置狀態。
TSLANet 代表的是"基礎模型"概念向非文本資料擴充套件。
與新加坡的關係
SUTD 的強項長期在工程、設計和系統交叉。TSLANet 這類專案適合新加坡的真實產業場景:城市基礎設施、工業系統、醫療監測、金融風控。
未來頁面可以繼續補充具體 benchmark、資料集和是否有本地行業應用。
關鍵里程碑
- 2024-04TSLANet 論文和程式碼公開
- 2024論文發表於 ICML 2024