LongxingTan/Time-series-prediction

해결하는 문제

TFTS(TensorFlow Time Series)는 예측, 분류, 이상 탐지와 같은 시계열 작업의 구현을 간소화합니다. 전통적이고 최신의 딥러닝 모델에 일관된 인터페이스를 제공하여 복잡한 시계열 아키텍처를 구축하고 실험하는 데 필요한 노력이 줄어듭니다.

작동 방식

TensorFlow와 Keras 기반으로 구축되었으며, AutoModel과 AutoConfig 시스템을 사용하여 모델 이름 문자열만 변경하면 Transformer나 RNN과 같은 다양한 모델 아키텍처로 쉽게 전환할 수 있습니다. NumPy 배열, tf.data.Dataset, tf.keras.utils.Sequence와 같은 다양한 데이터 입력 형식을 지원하며, KerasTrainer를 통해 학습 및 저장 프로세스를 처리합니다.

대상 사용자

모든 아키텍처를 처음부터 구축하지 않고도 고성능 시계열 모델을 구현해야 하는 연구자, 산업 전문가, 데이터 과학 경쟁자에게 적합합니다.

주요 특징

• 광범위한 모델 지원: RNN, TCN, BERT, N-BEATS, DLinear, Seq2Seq, WaveNet, Transformer, Informer, Autoformer, TFT의 구현 포함.
• 유연한 데이터 처리: 인코더 전용 및 인코더-디코더 입력 구조를 모두 지원하여 과거 값과 미래 시계열 특징을 처리할 수 있습니다.
• 다양한 작업 대응: 예측, 분류, 이상 탐지 모두 가능합니다.
• 확장성: AutoBackbone를 기반으로 사용자 정의 모델을 구축하고, 사용자 정의 헤드나 임베딩을 추가할 수 있습니다.