解锁动态：时间序列和时空数据大模型综述 周三直播·时序时空永利集团3044浏览器大模型读书会第一期

发布时间：2024-10-24 05:03:33 丨 浏览次数：

　　本期读书会作为「」系列读书会的第一期直播分享，集齐五位发起人老师围绕解锁动态：时间序列和时空数据大模型综述进行主题分享◆■，主要分为时序时空大模型背景简介■■★、本季读书会talk主题介绍■◆◆■、Time-LLM论文分享◆■■◆、发起人圆桌讨论总结等环节■■★，旨在开启读书会导读◆◆★，形成对时序时空大模型技术演进方向的初步认知。

　　金明★◆，澳大利亚蒙纳士大学（Monash University）博士★◆■。长期从事图神经网络与时序数据挖掘相关研究，在ICLR、NeurIPS、IJCAI★◆◆★◆、TNNLS、TKDE等多个权威国际期刊/会议发表高水平论文20余篇■★★★■，谷歌学术引用量近1000余次，其科研工作曾入选IJCAI最具影响力论文。长期担任NeurIPS◆■■◆■★、ICLR、ICML★■、TPAMI★■◆、TNNLS■★◆★★■、TKDE等国际知名会议/期刊程序委员会成员。研究兴趣包括时序/时空数据挖掘和动态图神经网络。

　　该综述主要将现有文献分类为两大类★★■：时间序列分析的大型模型（LM4TS）和时空数据挖掘（LM4STD）。基于此，论文进一步根据模型范围（即通用与特定领域）和应用领域/任务对研究进行分类。论文还提供了一个全面的相关资源集合，其中包括数据集、模型资产和有用的工具，按主流应用进行分类★★★◆★■。该综述汇集了关于时间序列和时空数据的大型模型为中心的研究的最新进展，强调了坚实的基础、当前的进展、实际应用◆■、丰富的资源和未来的研究机会■■◆■◆★。

　　梁宇轩老师首先将先后介绍时序时空数据、传统时序时空模型■★、大模型的相关背景。

　　2■◆★★★■、本期读书会公开进行，扫码即可直接获取读书会回看权限◆◆■★◆。欢迎感兴趣的朋友报名新一季时序时空大模型读书会◆◆◆，加入群聊，获取系列读书会回看权限，成为★◆◆“Time-LLMs”社区的种子用户，与社区的一线科研工作者与企业实践者沟通交流★★■■，共同推动社区的发展◆◆。

　　受到大语言模型（LLM）在通用智能领域的启发，“大模型+时序/时空数据”这个新方向迸发出了许多相关进展■◆★■◆★。此次「」第一期将由香港科技大学（广州）助理教授梁宇轩◆★、中国科学院计算技术研究所副研究员姚迪、莫纳什大学博士生金明★◆◆、澳大利亚新南威尔士大学讲师薛昊■■◆◆◆★、美国佐治亚理工学院博士&松鼠AI首席科学家文青松五位发起人围绕时间序列和时空数据大模型综述直播分享，并进行本季读书会talk主题介绍★◆★◆。

　　该综述旨在提供关于时间序列分析的基座模型（FM）的全面概述■★。现有相关综述主要关注FM在时间序列分析中的应用或流程方面，但它们通常缺乏对FM为何以及如何帮助时间序列分析的基本机制的深入理解■◆★■。为了解决这个问题■★■★，该综述采用以方法论为中心的分类，勾勒出时间序列FM的各种关键要素◆■★◆，包括模型架构★◆、预训练技术、适应方法和数据模态。此外，该综述还探讨了时间序列FM未来可能的研究方向。

　　集智俱乐部联合美国佐治亚理工学院博士&松鼠AI首席科学家文青松、香港科技大学（广州）助理教授梁宇轩、中国科学院计算技术研究所副研究员姚迪、澳大利亚新南威尔士大学讲师薛昊、莫纳什大学博士生金明等五位发起人，共同发起以★◆，鼓励研究人员和实践者认识到LLM在推进时序及时空数据挖掘方面的潜力★■■，共学共研相关文献★◆■◆。读书会第一期分享从5月8日（周三）19◆◆★◆:00 公开直播，后续分享时间为每周三19:00-21★■:00（北京时间）进行◆■★★◆，预计持续10-12周。欢迎感兴趣的朋友报名参与！

　　女子花1★★◆★◆.8888万元买泰迪犬，质疑店家欺诈要求退钱：“眼睛是画大的，两只耳朵都裁过”

　　现代生活产生了大量的时序数据和时空数据，分析这些数据对于深入理解现实世界系统的复杂性和演化规律至关重要。近期■■◆■■◆，受到大语言模型（LLM）在通用智能领域的启发，大模型+时序/时空数据这个新方向迸发出了许多相关进展。当前的LLM有潜力彻底改变时空数据挖掘方式，从而促进城市★■■★、交通、遥感等典型复杂系统的决策高效制定，并朝着更普遍的时空分析智能形式迈进。

　　读书会成员均可以在读书会期间申请成为主讲人。主讲人作为读书会成员◆■，均遵循内容共创共享机制，可以获得报名费退款■★■★★，并共享本读书会产生的所有内容资源。具体见系列读书会详情◆★：

　　业界首个时序基础模型TimeGPT，并开放了相关模型的API（）供用户体验◆★★★。

　　随着城市的不断发展，城市计算通过利用不同来源（例如地理■★■★★、交通、社交媒体和环境数据）和模态（例如时空数据，视觉和文本模态）的跨域数据融合的力量■★■，成为可持续发展的关键学科★◆■。最近，看到利用各种深度学习方法促进智慧城市跨域数据融合的上升趋势◆★★■◆■。为此，提出了第一篇综述——系统地回顾了为城市计算量身定制的基于深度学习的数据融合方法的最新进展。与之前的综述相比，本文更关注深度学习方法与城市计算应用的协同作用。此外★◆，还阐明了大型语言模型（LLM）和城市计算之间的相互作用，提出了可能彻底改变该领域的未来研究方向★★◆★■。

　　薛昊，目前在澳大利亚新南威尔士大学（UNSW Sydney）计算机科学与工程学院担任讲师职位。他于2020年从西澳大利亚大学获得博士学位。在完成博士学位后，曾在RMIT大学计算技术学院和UNSW Sydney工作过。目前是澳大利亚国家科研委员会（ARC）卓越决策与社会自动化中心（ADM+S）UNSW分支的副研究员■★。研究兴趣包括时空数据建模永利集团3044浏览器、时间序列预测、基于语言生成的预测以及时间序列表示学习。

　　读书会阅读材料较多■★◆◆★◆，为了更好地阅读体验，可扫描下方二维码进入集智斑图页面，阅读并收藏感兴趣的论文■◆◆■◆◆。

　　Redmi智能电视X 2025系列预售：原生4K 144Hz屏 2199元起

　　直播将于北京时间5月8日晚19:00-21:00线上公开进行，欢迎感兴趣的朋友参与讨论交流！

　　苹果即将生产配备M4芯片的新款MacBook air 并计划推出新款低端iPad

　　该论文全面回顾了深度学习在轨迹数据管理和挖掘的发展和最新进展。首先定义轨迹数据并简要概述了广泛使用的深度学习模型。系统地探索了深度学习在轨迹管理（预处理★◆■◆★◆、存储、分析和可视化）和挖掘（轨迹相关预测、轨迹相关推荐◆★★◆■◆、轨迹分类◆◆■◆★■、行程时间估计、异常检测和移动性生成）中的应用。值得注意的是，本文还概括了大型语言模型（LLM）的最新进展，这些进展具有增强轨迹计算的潜力。此外，本文总结了应用场景、公共数据集和工具包，并最后概述了 DL4Traj 研究当前面临的挑战并提出了未来的方向。

　　M4 MacBook Air即将开始生产 M4 Mac Studio推迟生产

　　该Position Paper采用以方法论为中心，旨在描述大模型如何赋能时间序列分析★★■★■■，包括大模型赋能增强器（LLM-as-Enhancer）★◆■、大模型赋能预测器（LLM-as-Predictor）◆★■、大模型赋能智能体（LLM-as-Agent）三个部分。从以上三方面入手介绍了相关代表性论文与未来方向★■◆◆。

　　姚迪，中国科学院计算技术研究所副研究员，硕士生导师，中国计算机学会高级会员，ACM SIGSPATIAL中国分会执行委员★★，主要研究方向为时空数据挖掘，异常检测，因果机器学习等。在KDD■◆■★、WWW、ICDE■★◆、TKDE等领域内顶级学术会议和期刊发表论文30余篇，长期担任担任多个期刊会议的审稿人和程序委员会委员◆◆◆■★，获得中科院院长优秀奖，MDM最佳论文候选奖，入选微软亚洲研究院★◆■★“铸星计划”★■◆■◆，研究成果在阿里、网易、滴滴等多个互联网公司中应用■★■★★。

　　《编码物候》展览开幕 北京时代美术馆以科学艺术解读数字与生物交织的宇宙节律

　　梁宇轩，香港科技大学（广州）智能交通学域、数据科学与分析学域助理教授、博士生导师。长期从事人工智能与时空数据挖掘技术在城市计算等领域的跨学科交叉研究。在TPAMI、TKDE■■、AI Journal、KDD★■★■、★★★◆◆■、ICML◆■■★■、ICLR等多个权威国际期刊和会议发表高水平论文70余篇◆◆★■★。谷歌学术引用量3700余次■★■◆，h-index为30，多篇论文入选最具影响力KDD/IJCAI论文◆■■★★。长期担任TKDE◆◆■★★■、TMC等国际知名期刊审稿人★◆◆■★，KDD■■、WWW、NeurIPS、ICML等国际顶级会议程序委员会成员，曾获评SIGSPATIAL杰出程序委员会成员。多次担任数据挖掘和人工智能顶级会议相关研讨会（UrbComp、AI4TS）的程序主席。曾获得新加坡数据科学联合会论文研究奖◆■★■★★，第二十三届中国专利优秀奖，第四十九届日内瓦发明展银奖等海内外奖项◆■★◆★◆，多项研究成果在京东智慧城市相关业务中落地应用。

　　特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号★★◆◆”用户上传并发布，本平台仅提供信息存储服务。