TiRex: Previsione di Serie Storiche Zero-Shot con xLSTM
TiRex è un modello pre-addestrato per la previsione di serie storiche zero-shot, introdotto nel 2025 dal team NX-AI xLSTM (Auer et al.). Basato sull'architettura Extended Long Short-Term Memory (xLSTM), TiRex è addestrato su larga scala su diversi corpora di serie storiche e può prevedere dataset non visti senza alcun fine-tuning. La sua idea centrale è sfruttare l'apprendimento potenziato in-context: il modello legge la storia disponibile come contesto e produce previsioni sia per orizzonti brevi che lunghi direttamente da tale contesto.
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
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 2). TiRex (xLSTM-based Zero-Shot Forecasting Model). ScholarGate. https://scholargate.app/it/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.
- ChronosApprendimento profondo↔ compare
- LSTMApprendimento profondo↔ compare
- TimesFMApprendimento profondo↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →