نموذج Time-MoE: نموذج أساسي لسلاسل الزمن الزمنية يعتمد على خليط الخبراء
Time-MoE هو نموذج أساسي ذاتي الانحدار على نطاق المليارات للتنبؤ الشامل بالسلاسل الزمنية، قدمه Shi وآخرون في عام 2024 وقُبل في مؤتمر ICLR لعام 2025. يجمع بين بنية محول (transformer) تعتمد على فك التشفير فقط مع طبقات تغذية أمامية (feed-forward) متفرقة تعتمد على خليط الخبراء (Mixture-of-Experts - MoE)، مما يمكّن النموذج من التوسع إلى مليارات المعلمات مع تفعيل مجموعة فرعية صغيرة فقط من شبكات الخبراء لكل رمز (token) - مما يزيد السعة بشكل كبير دون زيادة متناسبة في تكلفة الحوسبة.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Shi, X., Wang, S., Nie, Y., Li, D., Ye, Z., Wen, Q., & Jin, M. (2024). Time-MoE: Billion-scale time series foundation models with mixture of experts. ICLR 2025. link ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 2). Time-MoE (Mixture-of-Experts Time-Series Foundation Model). ScholarGate. https://scholargate.app/ar/deep-learning/time-moe
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Chronos: نموذج أساسي مُرمّز للتنبؤ بالسلاسل الزمنيةالتعلم العميق↔ compare
- مزيج الخبراءالتعلم العميق↔ compare
- TimesFM: نموذج أساسي يعتمد على المُفكِّك فقط للتنبؤ بالسلاسل الزمنيةالتعلم العميق↔ compare