Startseite Projekte flow-forecast
flow-forecast

flow-forecast

von AIStream-Peelout · GitHub

Deep Learning PyTorch-Bibliothek für Zeitreihenprognosen, Klassifikation und Anomalieerkennung (ursprünglich für Hochwasserprognosen).

Auf GitHub ansehen
In einfachen Worten

Verwenden Sie eine Deep-Learning-Bibliothek, um Zeitreihendaten vorherzusagen, Anomalien zu erkennen und Informationen einfach zu klassifizieren.

⭐ Sterne
🍴 Forks
🔥 Trendend
📜 Lizenz
Copyleft-Lizenz
📅 Erstellt
🔄 Letzter Commit
🏷️ Kategorie
💻 Sprache
Betreuen Sie dieses Projekt?

Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.

Diese Seite beanspruchen →
flow-forecast — GitHub preview card
📈 Sternhistorie
2 2882 285
2026-07-072026-07-29
📈 flow-forecast verfolgen

Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.

Kostenlos · ohne Karte · jederzeit abbestellbar
E-Mail-Alerts erhalten →
📄 Über

Deep Learning PyTorch-Bibliothek für Zeitreihenprognosen, Klassifikation und Anomalieerkennung (ursprünglich für Hochwasserprognosen).

flow-forecast hat 2.3k Sterne auf GitHub. Es wurde 302-mal geforkt. flow-forecast ist hauptsächlich in Python geschrieben. Es wird seit 2019 aktiv entwickelt. flow-forecast ist unter der GPL-3.0-Lizenz verfügbar. Die Hauptthemen sind: anomaly-detection, deep-learning, deep-neural-networks, forecasting.

Frequently asked questions

Was ist flow-forecast?

Deep Learning PyTorch-Bibliothek für Zeitreihenprognosen, Klassifikation und Anomalieerkennung (ursprünglich für Hochwasserprognosen).

Ist flow-forecast Open Source?

flow-forecast ist ein Open-Source-Projekt. Es wird unter der GPL-3.0-Lizenz veröffentlicht.

Ist flow-forecast kostenlos?

Ja. flow-forecast ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

Unter welcher Lizenz steht flow-forecast?

flow-forecast ist unter der GPL-3.0-Lizenz verfügbar.

In welcher Sprache ist flow-forecast geschrieben?

flow-forecast ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
olud.ai badge — flow-forecast

Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.

[![olud.ai](https://olud.ai/badge.php?tool=aistream-peelout-flow-forecast)](https://olud.ai/project/aistream-peelout-flow-forecast.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →
sktime
Ein einheitliches Framework für maschinelles Lernen mit Zeitreihen
9.9k · ai
teilttime-series-regressiontime-series-analysis
Getting-Things-Done-with-Pytorch
Jupyter-Notebook-Tutorials zur Lösung realer Probleme mit Machine Learning & Deep Learning unte…
2.5k · anomaly-detection
teilttime-series-forecastinganomaly-detection
TimeMixer
[ICLR 2024] Offizielle Implementierung von "TimeMixer: Decomposable Multiscale Mixing for Time…
2k · deep-learning
teilttime-series-analysistime-series-forecasting
darts
Eine Python-Bibliothek für benutzerfreundliche Prognosen und Anomalieerkennung bei Zeitreihen.
9.5k · anomaly-detection
teiltanomaly-detectionforecasting
moment
MOMENT: Eine Familie von offenen Zeitreihen-Grundmodellen, ICML'24
810 · anomaly-detection
teilttime-series-forecastinganomaly-detection
nixtla
TimeGPT-1: produktionsbereites, vortrainiertes Zeitreihen-Grundmodell zur Vorhersage und Anomal…
4k · agent
teilttime-series-forecastinganomaly-detection
tods
TODS: Ein automatisiertes System zur Erkennung von Ausreißern in Zeitreihen
1.7k · anomaly-detection
teilttime-series-analysisanomaly-detection
Informer2020
Das GitHub-Repository für das Papier "Informer", das von AAAI 2021 akzeptiert wurde.
6.5k · deep-learning
teiltforecastingtime-series
time-series-transformers-review
Eine professionell kuratierte Liste großartiger Ressourcen (Papiere, Code, Daten usw.) zu Trans…
3k · anomalydetection
teilttime-series-forecastingforecasting
timecopilot
TimeCopilot: der GenAI-Vorhersage-Agent. Basierend auf LLMs und Zeitreihen-Foundation-Modellen…
582 · agent-based-modeling
teilttime-series-forecastingforecasting

Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.