Machine learningTime-series forecasting
Moirai: 時系列予測のための汎用Transformer
Moiraiは、Salesforce ResearchのGerald Wooと同僚らが2024年に発表し、ICMLで提案された汎用時系列予測のための基盤モデルである。その中核的なアイデアは、多くのドメインと頻度にまたがる非常に多様な時系列データ（LOTSA）のコーパス上で単一の巨大なTransformerを事前学習することにより、タスク固有の再学習なしに未知のデータセットに対するゼロショットおよびフューショット予測を可能にすることである。Moiraiは、パッチベースのトークン化、任意変動系列対応アテンション、および分布混合出力ヘッドを採用し、統一されたアーキテクチャで可変頻度、複数変動系列、確率的予測を処理する。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- Woo, G., Liu, C., Kumar, A., Xiong, C., Savarese, S., & Sahoo, D. (2024). Unified training of universal time series forecasting transformers. ICML. link ↗
このページの引用方法
ScholarGate. (2026, June 2). Moirai (Universal Time-Series Forecasting Transformer). ScholarGate. https://scholargate.app/ja/deep-learning/moirai
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: 時系列予測のためのトークン化基盤モデル深層学習↔ compare
- PatchTST深層学習↔ compare
- TimesFM：時系列予測のためのデコーダーオンリー基盤モデル深層学習↔ compare