关于不规则时间序列的研究方向问题

Question

2023年，不规则时间序列（分类/异常检测/预测）研究的门槛是不是比较高啊？
先是阅读了一篇最近的不规则时间序列分类的论文，主要是用图神经网络建模数据间关系，然后再对缺失值进行补全。然后就想着有咩有其他方法，就找到了神经常微分方程的内容，然后顺着这条线发现了很多用“神经受控方程”，“状态空间建模”，“原则贝叶斯推理”等等一系列感觉对数学要求比较高的文章。
相较于这些“硬核数学“相关的论文，感觉最开始看的用图神经网络做插值解决不规则采样问题的方法就显得很初级，所以想问一下，不规则时间序列（分类/异常检测/预测）研究当前的研究是不是越来越数学化了呀，用当下火热的深度学习方法是不是不好往上套、不好发论文啊

Answer 1

【以下回答由 GPT 生成】

关于不规则时间序列的研究门槛和趋势是一个很有意思的话题，但是它也比较复杂，没有一个简单的答案。不过，我可以给你一些关于这个问题的一般指导，希望能够帮到你。

目前关于不规则时间序列的研究确实有一些数学化的方向，例如使用图神经网络、神经受控方程等方法，这些方法需要一定的数学基础和理解能力。与此同时，深度学习方法在不规则时间序列领域也是非常热门的，但是它们的应用可能也带来了一些挑战。

深度学习方法在不规则时间序列的分类、异常检测和预测中确实有很好的性能，但是使用这些方法可能需要更多的计算资源和数据量，对于一些数据稀疏的情况可能不容易应用。此外，深度学习方法的模型设计和调参也需要一定的经验和技巧。

对于想发表论文的人来说，目前不规则时间序列的研究确实存在一定的门槛。因为不规则时间序列包含的问题和挑战比较复杂，需要综合运用数学、统计学和计算机科学等多个领域的知识。而且，随着领域的发展，有些新的方法和算法也需要一定的创新性和理解力。

总的来说，当前不规则时间序列的研究已经越来越数学化了，同时也涌现出了一些热门的深度学习方法。但是深度学习方法的应用可能存在一些挑战，而且对于发表论文来说也需要一定的门槛。对于想研究不规则时间序列的人来说，建议在数学基础和深度学习方法上进行良好的准备并保持对最新研究趋势的关注。

希望这些信息对你有所帮助！如果你还有其他问题，欢迎继续提问。

【相关推荐】

• 这个问题的回答你可以参考下: https://ask.csdn.net/questions/7433517
• 除此之外, 这篇博客: [39题] 牛客深度学习专项题中的 19. [深度学习定义] 已知：（1）大脑是有很多个叫做神经元的东西构成，神经网络是对大脑的简单的数学表达。（2）每一个神经元都有输入、处理函数和输出。（3）神经元组合起来形成了网络，可以拟合任何函数。（4）为了得到最佳的神经网络，我们用梯度下降方法不断更新模型。给定上述关于神经网络的描述，什么情况下神经网络模型被称为深度学习模型？ 部分也许能够解决你的问题。

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^