北京
再也不用擔心找論文選題找到頭禿了！我算是發現了：時間序列才是最香的發文風口！這兩年頂會對這方向可以說越來越關注，特別是ICLR和AAAI，時間序列相關的論文接收數量一年內直接翻倍。
更關鍵的是，這方向創新思路很好抓，主要就是這三種：構建通用基礎模型、深耕模型適配性和挖掘模型可解釋性。而且創新基本就是在現有基礎上進行組合與改進就ok，上手難度不大，非常值得一試。
這里建議論文er在研究前期多看一些研究成果，了解了解技術進展再考慮進一步找切入點。我直接打包了85篇最新頂會論文，從基礎到前沿全覆蓋，基本都是高分創新點，能幫你節省很多找資料的時間。助你快速定題沖頂會！
掃碼添加小享，回復【時序85】
免費獲取全部論文
Multi-modal Time Series Analysis: A Tutorial and Survey
主要內容：
聚焦多模態時間序列分析，系統梳理了相關數據集與方法。先指出數據異質性、模態間隙等挑戰，再提出融合、對齊、遷移三類跨模態交互框架，按輸入、中間、輸出層級分類現有方法，還探討了多領域應用，最后展望了推理、決策等未來研究方向。
Time Series Forecasting with LLMs: Understanding and Enhancing Model Capabilities
主要內容：
探究了零樣本設置下大語言模型（LLMs）在時間序列預測中的偏好與性能。發現 LLMs 擅于預測有清晰趨勢和季節性的數據，對輸入序列末端更敏感，且能識別數據周期性。提出融入外部知識和自然語言轉述兩種方法，有效提升了預測精度。
掃碼添加小享，回復【時序85】
免費獲取全部論文
Harnessing Vision Models for Time Series Analysis: A Survey
主要內容：
聚焦視覺模型在時間序列分析中的應用，指出其相比大語言模型的優勢，如適配連續數據、易編碼多變量相關性等。提出時間序列轉圖像、圖像化時間序列建模的雙重視角分類法，涵蓋多種轉圖像方法與不同類型視覺模型，還探討了預處理、后處理挑戰及未來研究方向，為該領域提供全面指引。
ChatTime: A Unified Multimodal Time Series Foundation Model Bridging Numerical and Textual Data
主要內容：
為解決傳統模型適配性差、缺乏零樣本預測能力等問題，該論文提出 ChatTime 模型，將時間序列視為 “外語”，通過歸一化、離散化等處理實現與文本的統一處理。模型支持雙模態輸入輸出，具備零樣本預測能力，構建了相關數據集，在零樣本預測、上下文引導預測等任務中表現優異。
掃碼添加小享，回復【時序85】
免費獲取全部論文
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
