Moirai
Moirai is a foundation model for universal time-series forecasting introduced by Gerald Woo and colleagues at Salesforce Research in 2024 and presented at ICML. The core idea is to pre-train a single large Transformer on an exceptionally diverse corpus of time-series data (LOTSA) spanning many domains and frequencies, enabling zero-shot and few-shot forecasting on unseen datasets without task-specific retraining. Moirai employs patch-based tokenization, any-variate attention, and a mixture-of-distributions output head to handle variable frequencies, multiple variates, and probabilistic prediction in a unified architecture.
Lähdetietue
Sitaatit kopioitu sanatarkasti metodin lähdetietueesta. Niistä ei päätellä väitteiden tasoista varmennusta.
Kuratoituja väitteitä
Väitteet tallennettu todistusaineiston pääkirjaan, jokaisella oma arviointinsa.
Tämä näkymä ei keksi väitteen arviointia, jos pääkirjassa ei ole sitä.
Liittyvät metodit
Luotu metodigraafista ja näytetään koneen ehdottamina suhteina – väitteitä ei päätellä.