返回產學研開源生態 時序基礎模型 研究開源

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

  1. 2024-04
    TSLANet 論文和程式碼公開
  2. 2024
    論文發表於 ICML 2024

資源入口

更多產學研專案