Time-MoE: Model základů pro časové řady s využitím směsi expertů
Time-MoE je autoregresivní model základů v měřítku miliard parametrů pro univerzální predikci časových řad, představený Shi et al. v roce 2024 a přijatý na ICLR 2025. Kombinuje architekturu transformeru pouze s dekodérem a řídké vrstvy Mixture-of-Experts (MoE) pro dopředné šíření, což umožňuje modelu škálovat na miliardy parametrů při aktivaci pouze malé podmnožiny expertních sítí na token – dramaticky zvyšuje kapacitu bez proporcionálních výpočetních nákladů.
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
- Shi, X., Wang, S., Nie, Y., Li, D., Ye, Z., Wen, Q., & Jin, M. (2024). Time-MoE: Billion-scale time series foundation models with mixture of experts. ICLR 2025. link ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 2). Time-MoE (Mixture-of-Experts Time-Series Foundation Model). ScholarGate. https://scholargate.app/cs/deep-learning/time-moe
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
- Směs expertůHluboké učení↔ compare
- TimesFM: Základní model pouze s dekodérem pro prognózování časových řadHluboké učení↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →