Moirai: מודל טרנספורמר אוניברסלי לחיזוי סדרות עתיות
Moirai הוא מודל יסוד (foundation model) לחיזוי סדרות עתיות אוניברסלי, שהוצג על ידי ג'רלד וו ועמיתיו במעבדות המחקר של Salesforce בשנת 2024 והוצג בכנס ICML. הרעיון המרכזי הוא לאמן מראש טרנספורמר גדול יחיד על קורפוס מגוון במיוחד של נתוני סדרות עתיות (LOTSA) המשתרע על פני תחומים ותדרים רבים, מה שמאפשר חיזוי בגישת zero-shot ו-few-shot על מערכי נתונים שלא נראו, ללא צורך באימון מחדש ספציפי למשימה. Moirai משתמש בטוקניזציית טלאים (patch-based tokenization), מנגנון קשב לכל המשתנים (any-variate attention), וראש פלט המבוסס על תערובת התפלגויות (mixture-of-distributions) כדי לטפל בתדרים משתנים, משתנים מרובים, וחיזוי הסתברותי בארכיטקטורה מאוחדת.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- Woo, G., Liu, C., Kumar, A., Xiong, C., Savarese, S., & Sahoo, D. (2024). Unified training of universal time series forecasting transformers. ICML. link ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 2). Moirai (Universal Time-Series Forecasting Transformer). ScholarGate. https://scholargate.app/he/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.
- כרונוס: מודל יסוד מקוון (Tokenized) לחיזוי סדרות עתיותלמידה עמוקה↔ compare
- PatchTSTלמידה עמוקה↔ compare
- TimesFM: מודל יסוד מבוסס מפענח בלבד לחיזוי סדרות עתיותלמידה עמוקה↔ compare