Time-MoE: Mixture-of-Experts ajapõhine sihtmudel
Time-MoE on miljardi parameetriga autoregressiivne sihtmudel universaalseks ajasarjade prognoosimiseks, mille tutvustasid Shi jt 2024. aastal ja mis võeti vastu ICLR 2025 konverentsil. See ühendab dekoodripõhise transformeri arhitektuuri ja harvade Mixture-of-Experts (MoE) edasisuunaliste kihtidega, võimaldades mudelil skaleeruda miljardite parameetriteni, kuid aktiveerides iga tooni kohta vaid väikese osa ekspertvõrkudest – suurendades dramaatiliselt võimsust ilma proportsionaalse arvutikuluta.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 2). Time-MoE (Mixture-of-Experts Time-Series Foundation Model). ScholarGate. https://scholargate.app/et/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: ajajoonte prognoosimiseks loodud tokeniseeritud alusmudelSüvaõpe↔ compare
- Ekspertide seguSüvaõpe↔ compare
- TimesFM: Dekoodripõhine alusmudel aegridade prognoosimiseksSüvaõpe↔ compare
Märkasid sellel lehel viga? Teata sellest või paku parandust →