TimesFM: En grundmodel kun med dekoder til tidsserieprognoser
TimesFM er en fortrænet grundmodel til univariat tidsserieprognose introduceret af Abhimanyu Das, Weihao Kong, Rajat Sen og Yichen Zhou fra Google i 2024. Modellen anvender en transformer-arkitektur kun med dekoder, i ånden lig stor sprogmodeller, og er trænet på et stort korpus af virkelige og syntetiske tidsseriedata. Dens centrale innovation er evnen til at udføre nøjagtige zero-shot prognoser på tværs af forskellige domæner uden opgavespecifik finjustering.
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
- Das, A., Kong, W., Sen, R., & Zhou, Y. (2024). A decoder-only foundation model for time-series forecasting. ICML. link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 2). TimesFM (Time-series Foundation Model). ScholarGate. https://scholargate.app/da/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: En tokeniseret fundamentmodel til tidsserie-prognoserDyb læring↔ compare
- Moirai: Universal Transformer til TidsserieprognoserDyb læring↔ compare
- PatchTSTDyb læring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →