Sundial: Fundamentale generative modeller for tidsserier
Sundial er en familie af fundamentale generative modeller for tidsserier introduceret af Yong Liu og kolleger ved Tsinghua Universitet (ICML 2025). Forudtrænet på store og diverse tidsseriedatakorpora anvender Sundial en dekompositionsbaseret arkitektur parret med et generativt prognosehoved til at producere probabilistiske prognoser for flere horisonter. Den repræsenterer et skift mod generelle modeller med nul-skuds-kapacitet til virkelige, temporale forudsigelsesopgaver.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Liu, Y., Qin, G., Shi, X., Hu, T., Wang, J., & Long, M. (2025). Sundial: A family of highly capable time series foundation models. ICML. link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 2). Sundial (Generative Time-Series Foundation Models). ScholarGate. https://scholargate.app/da/deep-learning/sundial
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: En tokeniseret fundamentmodel til tidsserie-prognoserDyb læring↔ compare
- Moirai: Universal Transformer til TidsserieprognoserDyb læring↔ compare
- TimesFM: En grundmodel kun med dekoder til tidsserieprognoserDyb læring↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →