TimesFM: Ein Decoder-Only Foundation Model für Zeitreihenprognosen
TimesFM ist ein vortrainiertes Foundation Model für univariate Zeitreihenprognosen, das 2024 von Abhimanyu Das, Weihao Kong, Rajat Sen und Yichen Zhou von Google vorgestellt wurde. Das Modell verwendet eine Decoder-Only-Transformer-Architektur, ähnlich wie große Sprachmodelle, und wurde auf einem großen Korpus realer und synthetischer Zeitreihendaten trainiert. Seine zentrale Innovation ist die Fähigkeit, genaue Zero-Shot-Prognosen über verschiedene Domänen hinweg ohne aufgabenspezifisches Fine-Tuning durchzuführen.
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
- Das, A., Kong, W., Sen, R., & Zhou, Y. (2024). A decoder-only foundation model for time-series forecasting. ICML. link ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 2). TimesFM (Time-series Foundation Model). ScholarGate. https://scholargate.app/de/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: Ein tokenisiertes Grundmodell für die ZeitreihenprognoseDeep Learning↔ compare
- Moirai: Universeller Transformer für ZeitreihenprognosenDeep Learning↔ compare
- PatchTSTDeep Learning↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →