Moirai: Univerzální Transformer pro předpověď časových řad
Moirai je základní model pro univerzální předpověď časových řad, který v roce 2024 představili Gerald Woo a kolegové z Salesforce Research a prezentovali na ICML. Základní myšlenkou je předtrénovat jediný velký Transformer na výjimečně rozmanitém korpusu dat časových řad (LOTSA) pokrývajícím mnoho domén a frekvencí, což umožňuje nulové (zero-shot) a málo-shot (few-shot) předpovědi na neviděných datasetech bez potřeby přetrénování specifického pro daný úkol. Moirai využívá tokenizaci založenou na patchích, any-variate pozornost a výstupní hlavu typu mixture-of-distributions pro jednotnou architekturu, která zvládá proměnlivé frekvence, více variátů a pravděpodobnostní predikci.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Woo, G., Liu, C., Kumar, A., Xiong, C., Savarese, S., & Sahoo, D. (2024). Unified training of universal time series forecasting transformers. ICML. link ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 2). Moirai (Universal Time-Series Forecasting Transformer). ScholarGate. https://scholargate.app/cs/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: Tokenizovaný základní model pro prognózování časových řadHluboké učení↔ compare
- PatchTSTHluboké učení↔ compare
- TimesFM: Základní model pouze s dekodérem pro prognózování časových řadHluboké učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →