TiRex: Predicció de sèries temporals sense pràctica (zero-shot) amb xLSTM
TiRex és un model preentrenat de predicció de sèries temporals sense pràctica (zero-shot) introduït el 2025 per l'equip de NX-AI xLSTM (Auer et al.). Basat en l'arquitectura Extended Long Short-Term Memory (xLSTM), TiRex s'entrena a gran escala en diversos corpus de sèries temporals i pot predir conjunts de dades no vistos sense cap ajustament (fine-tuning). La seva idea central és explotar l'aprenentatge millorat dins del context (in-context learning): el model llegeix tota la història disponible com a context i produeix prediccions tant per a horitzons curts com llargs directament d'aquest context.
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
- Auer, A., Podest, P., Klotz, D., Böck, S., Klambauer, G., & Hochreiter, S. (2025). TiRex: Zero-shot forecasting across long and short horizons with enhanced in-context learning. arXiv preprint. link ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 2). TiRex (xLSTM-based Zero-Shot Forecasting Model). ScholarGate. https://scholargate.app/ca/deep-learning/tirex
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
- LSTMAprenentatge profund↔ compare
- TimesFMAprenentatge profund↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →