TimesFM: Un Modello Fondazionale Solo Decoder per la Previsione di Serie Temporali
TimesFM è un modello fondazionale pre-addestrato per la previsione di serie temporali univariate introdotto da Abhimanyu Das, Weihao Kong, Rajat Sen e Yichen Zhou di Google nel 2024. Il modello adotta un'architettura transformer solo decoder, simile nello spirito ai grandi modelli linguistici, ed è addestrato su un vasto corpus di dati di serie temporali reali e sintetici. La sua innovazione centrale è la capacità di eseguire previsioni accurate in modalità zero-shot attraverso domini diversi senza fine-tuning specifico per il task.
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
- Das, A., Kong, W., Sen, R., & Zhou, Y. (2024). A decoder-only foundation model for time-series forecasting. ICML. link ↗
Come citare questa pagina
ScholarGate. (2026, June 2). TimesFM (Time-series Foundation Model). ScholarGate. https://scholargate.app/it/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.
- ChronosApprendimento profondo↔ compare
- Moirai: Trasformatore Universale per la Previsione di Serie StoricheApprendimento profondo↔ compare
- PatchTSTApprendimento profondo↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →