Moirai: Transformer Universal per a la Predicció de Sèries Temporals
Moirai és un model fonamental per a la predicció universal de sèries temporals introduït per Gerald Woo i col·laboradors a Salesforce Research el 2024 i presentat a ICML. La idea central és pre-entrenar un únic Transformer gran en un corpus excepcionalment divers de dades de sèries temporals (LOTSA) que abasta molts dominis i freqüències, permetent la predicció zero-shot i few-shot en conjunts de dades no vistos sense reentrenament específic per a la tasca.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Woo, G., Liu, C., Kumar, A., Xiong, C., Savarese, S., & Sahoo, D. (2024). Unified training of universal time series forecasting transformers. ICML. link ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 2). Moirai (Universal Time-Series Forecasting Transformer). ScholarGate. https://scholargate.app/ca/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: Un model fundacional tokenitzat per a la predicció de sèries temporalsAprenentatge profund↔ compare
- PatchTSTAprenentatge profund↔ compare
- TimesFMAprenentatge profund↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →