Sundial: Modelli Fondazionali Generativi per Serie Temporali
Sundial è una famiglia di modelli fondazionali generativi per serie temporali introdotta da Yong Liu e colleghi della Tsinghua University (ICML 2025). Pre-addestrato su corpora di serie temporali ampi e diversificati, Sundial impiega un'architettura basata sulla decomposizione abbinata a una testa generativa di previsione per produrre previsioni probabilistiche multi-orizzonte. Rappresenta una svolta verso modelli general-purpose, capaci di zero-shot, per compiti di predizione temporale nel mondo reale.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- Liu, Y., Qin, G., Shi, X., Hu, T., Wang, J., & Long, M. (2025). Sundial: A family of highly capable time series foundation models. ICML. link ↗
Come citare questa pagina
ScholarGate. (2026, June 2). Sundial (Generative Time-Series Foundation Models). ScholarGate. https://scholargate.app/it/deep-learning/sundial
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.
- ChronosApprendimento profondo↔ compare
- Moirai: Trasformatore Universale per la Previsione di Serie StoricheApprendimento profondo↔ compare
- TimesFMApprendimento profondo↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →