Time-MoE: Temeljni model za vremenske serije utemeljen na mješavini stručnjaka
Time-MoE je autoregresivni temeljni model razmjera milijardi parametara za univerzalno prognoziranje vremenskih serija, koji su predstavili Shi et al. 2024. i prihvaćen na ICLR-u 2025. Kombinira transformatorsku arhitekturu isključivo s dekoderom sa slojevima za izravno propagiranje (feed-forward) rijetke Mješavine stručnjaka (MoE), omogućujući modelu da se skalira na milijarde parametara aktivirajući samo mali podskup mreža stručnjaka po tokenu—drastično povećavajući kapacitet bez proporcionalnog troška računanja.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- Shi, X., Wang, S., Nie, Y., Li, D., Ye, Z., Wen, Q., & Jin, M. (2024). Time-MoE: Billion-scale time series foundation models with mixture of experts. ICLR 2025. link ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 2). Time-MoE (Mixture-of-Experts Time-Series Foundation Model). ScholarGate. https://scholargate.app/hr/deep-learning/time-moe
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: Temeljni model utemeljen na tokenima za prognoziranje vremenskih nizovaDuboko učenje↔ compare
- Mješavina stručnjakaDuboko učenje↔ compare
- TimesFM: Model temeljne namjene s dekoderom za prognoziranje vremenskih nizovaDuboko učenje↔ compare
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →