Dossier de preuve de méthode

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.

Sources recorded, not reviewed

Dossier source

Citations copiées telles quelles du dossier source de la méthode. Aucune vérification au niveau de la revendication n'en est déduite.

Moirai (Universal Time-Series Forecasting Transformer)

Dossier de méthode taxonomique · ml-model / deep-learning

Woo, G., Liu, C., Kumar, A., Xiong, C., Savarese, S., & Sahoo, D. (2024). Unified training of universal time series forecasting transformers. ICML. · URL

Ouvrir la méthode complète

Revendications organisées

Revendications enregistrées dans le registre de preuves, chacune avec sa propre évaluation.

Pas encore de revendications organisées

Cette vue n'invente pas d'évaluation de revendication lorsque le registre n'en contient aucune.

Méthodes apparentées

Généré à partir du graphe de méthodes et présenté comme des relations suggérées par la machine — aucune revendication de preuve n'est déduite.

Taxonomic bucketChronosmachine-suggested · Relational suggestion, not evidence.Same method familyPatchTSTmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketTimesFMmachine-suggested · Relational suggestion, not evidence.