TimesFM: یک مدل پایه فقط-رمزگشا برای پیشبینی سریهای زمانی
TimesFM یک مدل پایه از پیش آموزشدیده برای پیشبینی سریهای زمانی تکمتغیره است که توسط Abhimanyu Das، Weihao Kong، Rajat Sen و Yichen Zhou از گوگل در سال ۲۰۲۴ معرفی شد. این مدل از معماری ترنسفورمر فقط-رمزگشا استفاده میکند که از نظر رویکرد شبیه به مدلهای زبان بزرگ است و بر روی مجموعه داده بزرگی از سریهای زمانی واقعی و مصنوعی آموزش داده شده است. نوآوری اصلی آن توانایی انجام پیشبینی دقیق بدون نیاز به نمونه (zero-shot) در دامنههای متنوع بدون تنظیم دقیق مخصوص وظیفه است.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Das, A., Kong, W., Sen, R., & Zhou, Y. (2024). A decoder-only foundation model for time-series forecasting. ICML. link ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 2). TimesFM (Time-series Foundation Model). ScholarGate. https://scholargate.app/fa/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.
- کرونوس: یک مدل بنیادی توکنسازیشده برای پیشبینی سریهای زمانییادگیری عمیق↔ compare
- مویرای: ترانسفورمر جهانی پیشبینی سریهای زمانییادگیری عمیق↔ compare
- پچتیاستییادگیری عمیق↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →