Machine learningTime-series forecasting

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.

باز کردن در MethodMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

The neighbourhood of related methods — select a node to explore.

منابع

  1. 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.

Compare side by side

ارجاع‌شده در

ScholarGateTimesFM (TimesFM (Time-series Foundation Model)). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/deep-learning/timesfm · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026