Moirai: Transformador Universal para Pronóstico de Series Temporales
Moirai es un modelo fundacional para el pronóstico universal de series temporales introducido por Gerald Woo y colegas en Salesforce Research en 2024 y presentado en ICML. La idea central es pre-entrenar un único Transformador grande en un corpus excepcionalmente diverso de datos de series temporales (LOTSA) que abarca muchos dominios y frecuencias, permitiendo el pronóstico en modo cero-disparo (zero-shot) y pocos-disparos (few-shot) en conjuntos de datos no vistos sin reentrenamiento específico para la tarea.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- Woo, G., Liu, C., Kumar, A., Xiong, C., Savarese, S., & Sahoo, D. (2024). Unified training of universal time series forecasting transformers. ICML. link ↗
Cómo citar esta página
ScholarGate. (2026, June 2). Moirai (Universal Time-Series Forecasting Transformer). ScholarGate. https://scholargate.app/es/deep-learning/moirai
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.
- ChronosAprendizaje profundo↔ compare
- PatchTSTAprendizaje profundo↔ compare
- TimesFMAprendizaje profundo↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →