Chronos: Ein tokenisiertes Grundmodell für die Zeitreihenprognose
Chronos ist eine Familie vortrainierter probabilistischer Prognosemodelle, die 2024 von Ansari et al. bei Amazon eingeführt wurde. Es adaptiert das Sprachmodell-Paradigma für Zeitreihen, indem es kontinuierliche Werte in diskrete Token quantisiert und so die Schulung eines Standard-Transformers auf einem großen heterogenen Korpus von Zeitreihendaten ermöglicht. Das Ergebnis ist ein Zero-Shot-Prognosemodell, das über Domänen hinweg generalisiert, ohne ein datensatzspezifisches Nachtraining zu erfordern.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- Ansari, A. F., Stella, L., Turkmen, C., Zhang, X., Mercado, P., Shen, H., et al. (2024). Chronos: Learning the language of time series. Transactions on Machine Learning Research. link ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 2). Chronos (Tokenized Time-Series Foundation Model). ScholarGate. https://scholargate.app/de/deep-learning/chronos
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.
- Moirai: Universeller Transformer für ZeitreihenprognosenDeep Learning↔ compare
- TimesFM: Ein Decoder-Only Foundation Model für ZeitreihenprognosenDeep Learning↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →