Sonnenuhr: Generative Zeitreihen-Grundlagenmodelle
Sundial ist eine Familie generativer Zeitreihen-Grundlagenmodelle, die von Yong Liu und Kollegen der Tsinghua Universität (ICML 2025) vorgestellt wurde. Sundial ist auf großen und vielfältigen Zeitreihenkorpora vortrainiert und verwendet eine auf Dekomposition basierende Architektur, gepaart mit einem generativen Prognosekopf, um probabilistische Mehrhorizont-Prognosen zu erstellen. Es stellt eine Verlagerung hin zu universellen, Zero-Shot-fähigen Modellen für reale zeitliche Vorhersageaufgaben dar.
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
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 2). Sundial (Generative Time-Series Foundation Models). ScholarGate. https://scholargate.app/de/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: Ein tokenisiertes Grundmodell für die ZeitreihenprognoseDeep Learning↔ compare
- Moirai: Universeller Transformer für ZeitreihenprognosenDeep Learning↔ compare
- TimesFM: Ein Decoder-Only Foundation Model für ZeitreihenprognosenDeep Learning↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →