Moirai: Universaali aikasarjaennusteen Transformer
Moirai on Gerald Woo:n ja hänen kollegoidensa Salesforce Researchissa vuonna 2024 esittelemä ja ICML:ssä julkaistu universaali aikasarjaennusteen perusmalli. Sen ydinidea on esikouluttaa yksi suuri Transformer-malli poikkeuksellisen monipuolisella aikasarjadatakorpusella (LOTSA), joka kattaa useita eri aihealueita ja taajuuksia. Tämä mahdollistaa nollan otoksen (zero-shot) ja muutaman otoksen (few-shot) ennustamisen ennalta näkemättömillä aineistoilla ilman tehtäväkohtaista uudelleenkoulutusta. Moirai käyttää patch-pohjaista tokenisointia, any-variate-huomiomekanismia ja jakaumien sekoitukseen perustuvaa ulostulopäätä käsitelläkseen vaihtelevia taajuuksia, useita muuttujia ja todennäköisyysennusteita yhtenäisessä arkkitehtuurissa.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Woo, G., Liu, C., Kumar, A., Xiong, C., Savarese, S., & Sahoo, D. (2024). Unified training of universal time series forecasting transformers. ICML. link ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 2). Moirai (Universal Time-Series Forecasting Transformer). ScholarGate. https://scholargate.app/fi/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.
- Chronos: Tokenisoitu perusmalli aikasarjaennustamiseenSyväoppiminen↔ compare
- PatchTSTSyväoppiminen↔ compare
- TimesFM: Perusmalli aikasarjaennustamiseen vain dekooderillaSyväoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →