$ loading_
用于训练、对比并预测时间序列数据的深度学习模型服务。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"TimeSeriesMCPServer" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请用 TimeSeriesMCPServer 对过去24个月的月销售额数据分别训练 RNN、LSTM 和 GRU 模型，比较验证集表现，并预测未来6个月销售趋势，输出最佳模型及预测结果摘要。
包含三种模型效果对比、最佳模型选择依据，以及未来6个月销售预测结果的摘要。
请基于最近30天的每小时 CPU 使用率时间序列，使用 TimeSeriesMCPServer 训练 RNN、LSTM、GRU 模型，对比误差指标，并预测未来48小时负载变化。
返回负载预测结果、各模型误差指标对比，以及推荐使用的预测模型。
我有一组传感器时间序列数据，请用 TimeSeriesMCPServer 分别训练 RNN、LSTM 和 GRU，评估各模型表现，并给出哪个模型更适合该数据集的结论。
输出各模型训练与评估结果、性能比较，以及针对该数据集的最佳模型建议。
通过MCP提供仓库分析、计算、天气、时间和命令执行
为兼容MCP的AI助手接入时间序列预测能力，生成智能预测结果。
为 MCP 提供基于知识图谱的持久记忆，支持语义检索、关系管理与版本追踪。
提供回显、系统信息、时间计算与文件读取等实用能力的模块化 MCP 工具。
可用自然语言记录工时、管理活动并生成时间报告。
通过 MCP 连接 Jupyter 环境，帮助执行代码、分析数据并交互式探索结果。