Time-MoE: Model Dasar Fondasi Deret Waktu Campuran Pakar
Time-MoE adalah model fondasi autoregresif berskala miliaran untuk peramalan deret waktu universal, yang diperkenalkan oleh Shi et al. pada tahun 2024 dan diterima di ICLR 2025. Model ini menggabungkan arsitektur transformer hanya-dekoder dengan lapisan umpan-maju Campuran Pakar (MoE) yang jarang, memungkinkan model untuk diskalakan hingga miliaran parameter sambil hanya mengaktifkan sebagian kecil jaringan pakar per token—meningkatkan kapasitas secara dramatis tanpa biaya komputasi proporsional.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 2). Time-MoE (Mixture-of-Experts Time-Series Foundation Model). ScholarGate. https://scholargate.app/id/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: Model Fondasi Bertoken untuk Peramalan Deret WaktuPembelajaran Mendalam↔ compare
- Campuran PakarPembelajaran Mendalam↔ compare
- TimesFM: Model Fondasi Hanya-Dekoder untuk Peramalan Deret WaktuPembelajaran Mendalam↔ compare
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →