Time-MoE: Фундаментален модел от типа „смес от експерти“ за времеви редове
Time-MoE е авторегресивен фундаментален модел от милиарден мащаб за универсално прогнозиране на времеви редове, представен от Ши и др. през 2024 г. и приет на ICLR 2025. Той комбинира архитектура на трансформатор само с декодер с разредени слоеве за подаване на информация от типа „смес от експерти“ (MoE), което позволява на модела да мащабира до милиарди параметри, като същевременно активира само малка част от експертните мрежи за всеки токен – драстично увеличавайки капацитета без пропорционални изчислителни разходи.
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
- 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 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 2). Time-MoE (Mixture-of-Experts Time-Series Foundation Model). ScholarGate. https://scholargate.app/bg/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: Токенизиран основополагащ модел за прогнозиране на времеви редовеДълбоко обучение↔ compare
- Смес от експертиДълбоко обучение↔ compare
- TimesFM: Модел с основа за прогнозиране на времеви редове само с декодерДълбоко обучение↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →