TimesFM: Model temeljne namjene s dekoderom za prognoziranje vremenskih nizova
TimesFM je pred-obučen model temeljne namjene za prognoziranje univarijatnih vremenskih nizova koji su 2024. godine predstavili Abhimanyu Das, Weihao Kong, Rajat Sen i Yichen Zhou s Googlea. Model usvaja transformer arhitekturu samo s dekoderom, sličnu po duhu velikim jezičnim modelima, i obučen je na velikom korpusu podataka stvarnih i sintetičkih vremenskih nizova. Njegova ključna inovacija je sposobnost preciznog prognoziranja u nultom uzorku (zero-shot) u različitim domenama bez prilagođavanja specifičnog zadatka.
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
- Das, A., Kong, W., Sen, R., & Zhou, Y. (2024). A decoder-only foundation model for time-series forecasting. ICML. link ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 2). TimesFM (Time-series Foundation Model). ScholarGate. https://scholargate.app/hr/deep-learning/timesfm
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
- Moirai: univerzalni Transformer za prognoziranje vremenskih nizovaDuboko učenje↔ compare
- PatchTSTDuboko učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →