TimesFM: Un model fonamental de tipus "decoder-only" per a la predicció de sèries temporals
TimesFM és un model fonamental pre-entrenat per a la predicció de sèries temporals univariants, introduït per Abhimanyu Das, Weihao Kong, Rajat Sen i Yichen Zhou de Google el 2024. El model adopta una arquitectura transformer de tipus "decoder-only", similar en esperit als grans models de llenguatge, i s'entrena en un gran corpus de dades de sèries temporals reals i sintètiques. La seva innovació central és la capacitat de realitzar prediccions precises en mode "zero-shot" (sense ajustament previ) a través de dominis diversos, sense necessitat de "fine-tuning" (ajustament 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
- Das, A., Kong, W., Sen, R., & Zhou, Y. (2024). A decoder-only foundation model for time-series forecasting. ICML. link ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 2). TimesFM (Time-series Foundation Model). ScholarGate. https://scholargate.app/ca/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: Un model fundacional tokenitzat per a la predicció de sèries temporalsAprenentatge profund↔ compare
- Moirai: Transformer Universal per a la Predicció de Sèries TemporalsAprenentatge profund↔ compare
- PatchTSTAprenentatge profund↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →