TiRex: Predviđanje vremenskih nizova bez primjera (zero-shot) pomoću xLSTM-a
TiRex je pred-obučen model za predviđanje vremenskih nizova bez primjera (zero-shot) koji je 2025. godine predstavio tim NX-AI xLSTM (Auer et al.). Izgrađen na arhitekturi proširenog dugoročno kratkoročnog pamćenja (Extended Long Short-Term Memory - xLSTM), TiRex je obučavan na velikim, raznolikim korpusima vremenskih nizova i može predviđati neviđene skupove podataka bez ikakvog dotjerivanja (fine-tuning). Njegova temeljna ideja je iskoristiti poboljšano učenje u kontekstu (in-context learning): model čita cijelu dostupnu povijest kao kontekst i izravno iz tog konteksta generira predviđanja za kratke i duge horizonte.
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
- Auer, A., Podest, P., Klotz, D., Böck, S., Klambauer, G., & Hochreiter, S. (2025). TiRex: Zero-shot forecasting across long and short horizons with enhanced in-context learning. arXiv preprint. link ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 2). TiRex (xLSTM-based Zero-Shot Forecasting Model). ScholarGate. https://scholargate.app/hr/deep-learning/tirex
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
- LSTMDuboko 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 →