TimesFM: Модел с основа за прогнозиране на времеви редове само с декодер
TimesFM е предварително обучен модел с основа за прогнозиране на унивариантни времеви редове, представен от Abhimanyu Das, Weihao Kong, Rajat Sen и Yichen Zhou от Google през 2024 г. Моделът възприема архитектура на трансформер само с декодер, сходна по дух с големите езикови модели, и е обучен върху голям корпус от реални и синтетични данни за времеви редове. Неговата централна иновация е способността да извършва точно прогнозиране в режим „нулев изстрел“ (zero-shot) в различни области без фина настройка, специфична за задачата.
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
- Das, A., Kong, W., Sen, R., & Zhou, Y. (2024). A decoder-only foundation model for time-series forecasting. ICML. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 2). TimesFM (Time-series Foundation Model). ScholarGate. https://scholargate.app/bg/deep-learning/timesfm
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
- Мораи: Универсален Трансформър за Прогнозиране на Времеви РедовеДълбоко обучение↔ compare
- PatchTSTДълбоко обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →