Time-MoE: Μοντέλο Θεμελίωσης Χρονοσειρών Μείγματος Ειδικών
Το Time-MoE είναι ένα αυτοπαλίνδρομο μοντέλο θεμελίωσης κλίμακας δισεκατομμυρίων για καθολική πρόβλεψη χρονοσειρών, που εισήχθη από τους Shi et al. το 2024 και έγινε αποδεκτό στο ICLR 2025. Συνδυάζει μια αρχιτεκτονική transformer μόνο με αποκωδικοποιητή (decoder-only) με αραιά επίπεδα τροφοδοσίας Μείγματος Ειδικών (MoE), επιτρέποντας στο μοντέλο να κλιμακωθεί σε δισεκατομμύρια παραμέτρους, ενεργοποιώντας μόνο ένα μικρό υποσύνολο δικτύων ειδικών ανά διακριτικό (token)—αυξάνοντας δραματικά τη χωρητικότητα χωρίς αναλογικό υπολογιστικό κόστος.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- Shi, X., Wang, S., Nie, Y., Li, D., Ye, Z., Wen, Q., & Jin, M. (2024). Time-MoE: Billion-scale time series foundation models with mixture of experts. ICLR 2025. link ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 2). Time-MoE (Mixture-of-Experts Time-Series Foundation Model). ScholarGate. https://scholargate.app/el/deep-learning/time-moe
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: Ένα Tokenized Foundation Model για Πρόβλεψη ΧρονοσειρώνΒαθιά Μάθηση↔ compare
- Μείγμα ΕμπειρογνωμόνωνΒαθιά Μάθηση↔ compare
- TimesFM: Ένα Μοντέλο Θεμελίωσης Μόνο με Αποκωδικοποιητή για Πρόβλεψη ΧρονοσειρώνΒαθιά Μάθηση↔ compare
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →