TiRex: Zero-Shot-Zeitreihenprognose mit xLSTM
TiRex ist ein vortrainiertes Zero-Shot-Modell zur Zeitreihenprognose, das 2025 vom NX-AI xLSTM-Team (Auer et al.) vorgestellt wurde. Basierend auf der Extended Long Short-Term Memory (xLSTM)-Architektur wird TiRex im großen Maßstab auf diversen Zeitreihenkorpora trainiert und kann unbekannte Datensätze ohne jegliches Fine-Tuning prognostizieren. Die Kernidee besteht darin, verbessertes In-Context Learning zu nutzen: Das Modell liest die gesamte verfügbare Historie als Kontext und generiert Prognosen für kurz- und langfristige Horizonte direkt aus diesem Kontext.
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
- Auer, A., Podest, P., Klotz, D., Böck, S., Klambauer, G., & Hochreiter, S. (2025). TiRex: Zero-shot forecasting across long and short horizons with enhanced in-context learning. arXiv preprint. link ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 2). TiRex (xLSTM-based Zero-Shot Forecasting Model). ScholarGate. https://scholargate.app/de/deep-learning/tirex
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
- LSTMDeep Learning↔ compare
- TimesFM: Ein Decoder-Only Foundation Model für ZeitreihenprognosenDeep Learning↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →