面向时间序列预测的多分辨率扩散模型
课题背景
本课题聚焦深度学习时间序列预测与扩散模型的交叉前沿方向。时间序列预测广泛支撑能源电力、量化金融、智能交通、工业物联网等关键领域的智能决策，是数字经济与智能制造体系中不可或缺的基础技术。
扩散模型凭借强大的数据分布拟合、高质量样本生成与非自回归推理优势，正推动时序预测从传统拟合式预测向新一代生成式预测范式转型。然而，现有模型存在单一分辨率建模、长时序生成一致性差、非平稳数据适应性弱等问题。本课题提出多分辨率扩散模型，实现由粗到细的渐进式高精度预测。
关键词： 时间序列预测、扩散模型、多分辨率建模、渐进式去噪、非自回归生成
课题创新点
| 创新点 | 目标区位 |
|---|---|
| 多分辨率提取——时序特征分解与多尺度建模 | 三区期刊、CCF-C会议 |
| 由粗到细渐进式非自回归去噪——扩散模型推理流程优化 | 三区期刊、CCF-C会议 |
| 多阶段级联扩散与自适应条件构造——生成式时序预测架构创新 | 三区期刊、CCF-C会议 |
老师介绍
山山老师，香港大学计算机科学硕士及研究助理，哈尔滨工业大学（深圳）计算机科学博士。
主攻方向：人工智能安全、量化金融、时间序列预测、生成式AI、扩散模型
以第一作者发表论文3篇，申请专利2项，承担粤港联合项目（100万）、香港Funding（200万）各一项
曾获优秀毕业论文奖、最佳学生论文奖
精通时序多尺度建模与扩散模型全栈开发，具备丰富顶会论文复现、辅导与审稿经验
课程大纲
课程构成： 12节小班课
| 课节 | 课程标题 | 核心内容 |
|---|---|---|
| 第1节 | 课题背景与mr-Diff论文精读 | 时序扩散模型现状、多分辨率思想、论文架构解析 |
| 第2节 | 时序数据与数据集解析 | 9个数据集统计特征、采样频率、可视化分析 |
| 第3节 | 扩散模型基础（DDPM） | 前向扩散、逆向去噪、损失函数、条件扩散 |
| 第4节 | 季节趋势分解与多分辨率提取 | 平均池化、由细到粗趋势提取、多阶段构造 |
| 第5节 | 多阶段级联扩散设计 | 级联扩散架构、各阶段扩散流程 |
| 第6节 | 条件网络与Future Mixup | 历史条件构造、Mixup增强、粗趋势条件融合 |
| 第7节 | 去噪网络与卷积编码器设计 | Conv1d、BatchNorm、Encoder-Decoder结构 |
| 第8节 | 完整训练流程实现 | 多阶段循环、扩散步采样、损失计算 |
| 第9节 | 渐进式推理与DPM-Solver加速 | 由粗到细生成、逆向采样、快速求解器加速 |
| 第10节 | 指标计算与主实验复现 | MAE/MSE、多数据集测试、复现论文主表 |
| 第11节 | 消融实验与敏感性分析 | 阶段数S、扩散步K、窗口L等超参分析 |
| 第12节 | 创新点设计与论文写作 | 创新点拓展思路、论文写作与投稿指导 |
4V1多维论文支持体系
| 角色 | 职责 |
|---|---|
| 班主任 | 督学，跟进学习进度，规划全程进度管理 |
| 课程顾问 | 答疑、提供前沿文献资料与研究方法 |
| 主导师 | 授课，全程不定时答疑，提供方向性指导 |
| 代码导师 | 辅助教学，协助代码调试与技术落地 |
服务内容
✅ 12节1v多小班研讨课（4–8人精品小组，每周1次，约90分钟/次）
✅ 2节不限时1v1深度辅导（个性化选题 + 论文修改 + 科研规划）
✅ 全程导师在线答疑（微信群，24小时内回复）
✅ 完整课程资料（论文精读笔记、代码模板、写作指南、投稿Checklist）
✅ 课程结束后3个月内持续跟踪辅导（投稿后修改、Rebuttal支持）
✅ 科研能力评估报告 + 符合条件者可获导师推荐信
✅ 课程永久回放，随时可学
面向时间序列预测的多分辨率扩散模型
课题背景
本课题聚焦深度学习时间序列预测与扩散模型的交叉前沿方向。时间序列预测广泛支撑能源电力、量化金融、智能交通、工业物联网等关键领域的智能决策，是数字经济与智能制造体系中不可或缺的基础技术。
扩散模型凭借强大的数据分布拟合、高质量样本生成与非自回归推理优势，正推动时序预测从传统拟合式预测向新一代生成式预测范式转型。然而，现有模型存在单一分辨率建模、长时序生成一致性差、非平稳数据适应性弱等问题。本课题提出多分辨率扩散模型，实现由粗到细的渐进式高精度预测。
关键词： 时间序列预测、扩散模型、多分辨率建模、渐进式去噪、非自回归生成
课题创新点
| 创新点 | 目标区位 |
|---|---|
| 多分辨率提取——时序特征分解与多尺度建模 | 三区期刊、CCF-C会议 |
| 由粗到细渐进式非自回归去噪——扩散模型推理流程优化 | 三区期刊、CCF-C会议 |
| 多阶段级联扩散与自适应条件构造——生成式时序预测架构创新 | 三区期刊、CCF-C会议 |
老师介绍
山山老师，香港大学计算机科学硕士及研究助理，哈尔滨工业大学（深圳）计算机科学博士。
主攻方向：人工智能安全、量化金融、时间序列预测、生成式AI、扩散模型
以第一作者发表论文3篇，申请专利2项，承担粤港联合项目（100万）、香港Funding（200万）各一项
曾获优秀毕业论文奖、最佳学生论文奖
精通时序多尺度建模与扩散模型全栈开发，具备丰富顶会论文复现、辅导与审稿经验
课程大纲
课程构成： 12节小班课
| 课节 | 课程标题 | 核心内容 |
|---|---|---|
| 第1节 | 课题背景与mr-Diff论文精读 | 时序扩散模型现状、多分辨率思想、论文架构解析 |
| 第2节 | 时序数据与数据集解析 | 9个数据集统计特征、采样频率、可视化分析 |
| 第3节 | 扩散模型基础（DDPM） | 前向扩散、逆向去噪、损失函数、条件扩散 |
| 第4节 | 季节趋势分解与多分辨率提取 | 平均池化、由细到粗趋势提取、多阶段构造 |
| 第5节 | 多阶段级联扩散设计 | 级联扩散架构、各阶段扩散流程 |
| 第6节 | 条件网络与Future Mixup | 历史条件构造、Mixup增强、粗趋势条件融合 |
| 第7节 | 去噪网络与卷积编码器设计 | Conv1d、BatchNorm、Encoder-Decoder结构 |
| 第8节 | 完整训练流程实现 | 多阶段循环、扩散步采样、损失计算 |
| 第9节 | 渐进式推理与DPM-Solver加速 | 由粗到细生成、逆向采样、快速求解器加速 |
| 第10节 | 指标计算与主实验复现 | MAE/MSE、多数据集测试、复现论文主表 |
| 第11节 | 消融实验与敏感性分析 | 阶段数S、扩散步K、窗口L等超参分析 |
| 第12节 | 创新点设计与论文写作 | 创新点拓展思路、论文写作与投稿指导 |
4V1多维论文支持体系
| 角色 | 职责 |
|---|---|
| 班主任 | 督学，跟进学习进度，规划全程进度管理 |
| 课程顾问 | 答疑、提供前沿文献资料与研究方法 |
| 主导师 | 授课，全程不定时答疑，提供方向性指导 |
| 代码导师 | 辅助教学，协助代码调试与技术落地 |
服务内容
✅ 12节1v多小班研讨课（4–8人精品小组，每周1次，约90分钟/次）
✅ 2节不限时1v1深度辅导（个性化选题 + 论文修改 + 科研规划）
✅ 全程导师在线答疑（微信群，24小时内回复）
✅ 完整课程资料（论文精读笔记、代码模板、写作指南、投稿Checklist）
✅ 课程结束后3个月内持续跟踪辅导（投稿后修改、Rebuttal支持）
✅ 科研能力评估报告 + 符合条件者可获导师推荐信
✅ 课程永久回放，随时可学