Мораи: Универсален Трансформър за Прогнозиране на Времеви Редове
Moirai е базов модел за универсално прогнозиране на времеви редове, представен от Джералд Ву и колеги от Salesforce Research през 2024 г. и представен на ICML. Основната идея е предварително обучение на един голям Трансформър върху изключително разнообразен корпус от данни за времеви редове (LOTSA), обхващащ много домейни и честоти, което позволява прогнозиране в режим на нула или малко примери (zero-shot и few-shot) върху непознати набори от данни без преобучение за конкретна задача. Moirai използва базирана на кръпки токенизация, any-variate внимание и изходна глава тип смес от разпределения, за да обработва променливи честоти, множество вариати и вероятностни прогнози в унифицирана архитектура.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Woo, G., Liu, C., Kumar, A., Xiong, C., Savarese, S., & Sahoo, D. (2024). Unified training of universal time series forecasting transformers. ICML. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 2). Moirai (Universal Time-Series Forecasting Transformer). ScholarGate. https://scholargate.app/bg/deep-learning/moirai
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: Токенизиран основополагащ модел за прогнозиране на времеви редовеДълбоко обучение↔ compare
- PatchTSTДълбоко обучение↔ compare
- TimesFM: Модел с основа за прогнозиране на времеви редове само с декодерДълбоко обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →