来自ICLR 2022 (oral) 的 工作 CoST: Contrastive Learning of Disentangled Seasonal-Trend Representations for Time Series Forecasting

来自ICLR 2022 (oral) 的 工作 https://openreview.net/forum?id=0EXmFzUn5I

TrajNet: A Trajectory-Based Deep Learning Model for Traffic Prediction , KDD’21

Informer: Beyond Efficient Transformer for Long Sequence Time-Series Forecasting, AAAI’21 Best Paper

Attention-is-all-you-need , NIPS’17

一篇来自 NIPS’18 的关于数据补全的经典work，文章链接 Link

一篇来自 AAAI’21 的关于数据补全的work，文章链接 Link

一篇来自 ICML’18 的关于数据补全的work，文章链接 Link

一篇来自IJCAI’20的关于数据补全的work, 原文地址 Link

一篇来自 NIPS’18 的关于数据补全的work，文章链接 Link