Chronos : Un modèle de fondation tokenisé pour la prévision de séries temporelles
Chronos est une famille de modèles de prévision probabiliste pré-entraînés, introduite par Ansari et al. chez Amazon en 2024. Il adapte le paradigme des modèles de langage aux séries temporelles en quantifiant les valeurs continues en jetons discrets, permettant ainsi à un transformeur standard d'être entraîné sur un vaste corpus hétérogène de données de séries temporelles. Le résultat est un modèle de prévision "zero-shot" qui se généralise à travers les domaines sans nécessiter de réentraînement spécifique à un ensemble de données.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- Ansari, A. F., Stella, L., Turkmen, C., Zhang, X., Mercado, P., Shen, H., et al. (2024). Chronos: Learning the language of time series. Transactions on Machine Learning Research. link ↗
Comment citer cette page
ScholarGate. (2026, June 2). Chronos (Tokenized Time-Series Foundation Model). ScholarGate. https://scholargate.app/fr/deep-learning/chronos
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.
- Moirai : Transformer universel pour la prévision de séries temporellesApprentissage profond↔ compare
- TimesFMApprentissage profond↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →