LSTM-长短期记忆网络
用于使用长短期记忆网络建立深度学习时间序列模型，学习复杂的时序依赖并进行预测，适合样本量相对充足的连续序列；训练效果受数据规模、特征和参数影响。
暂未开通下载渠道
软件下载目录
选择算法后，再查看当前可用的下载方式。
分类筛选
MLP-多层感知机
用于使用多层感知机建立深度学习时间序列模型，学习复杂的时序依赖并进行预测，适合样本量相对充足的连续序列；训练效果受数据规模、特征和参数影响。
NBEATS-N-BEATS
用于使用N-BEATS建立深度学习时间序列模型，学习复杂的时序依赖并进行预测，适合样本量相对充足的连续序列；训练效果受数据规模、特征和参数影响。
暂未开通下载渠道
TCN-时序卷积网络
用于使用时序卷积网络建立深度学习时间序列模型，学习复杂的时序依赖并进行预测，适合样本量相对充足的连续序列；训练效果受数据规模、特征和参数影响。
暂未开通下载渠道
TFT-Temporal Fusion Transformer
用于使用Temporal Fusion Transformer建立深度学习时间序列模型，学习复杂的时序依赖并进行预测，适合样本量相对充足的连续序列；训练效果受数据规模、特征和参数影响。
暂未开通下载渠道
TransformerTS-Transformer 时序
用于使用Transformer 时序建立深度学习时间序列模型，学习复杂的时序依赖并进行预测，适合样本量相对充足的连续序列；训练效果受数据规模、特征和参数影响。
暂未开通下载渠道
COPOD-Copula 异常
用于采用Copula 异常识别与大多数样本模式明显不同的异常观测，可用于质量检测、风险预警和数据清洗；异常阈值应结合业务场景判断。
EllipticEnvelope-椭圆包络、鲁棒协方差
用于采用椭圆包络、鲁棒协方差识别与大多数样本模式明显不同的异常观测，可用于质量检测、风险预警和数据清洗；异常阈值应结合业务场景判断。
HBOS-直方图异常分数
用于采用直方图异常分数识别与大多数样本模式明显不同的异常观测，可用于质量检测、风险预警和数据清洗；异常阈值应结合业务场景判断。
当前第 17 页，共 23 页，共 204 个算法