Machine learningTime-series forecasting
Time-MoE: 時系列予測のための混合エキスパート基盤モデル
Time-MoEは、Shiらによって2024年に発表され、ICLR 2025で採択された、汎用時系列予測のための10億スケールの自己回帰型基盤モデルです。デコーダーオンリーのトランスフォーマーアーキテクチャとスパースな混合エキスパート（MoE）フィードフォワード層を組み合わせることで、モデルを数十億パラメータにスケールさせつつ、トークンごとに少数のエキスパートネットワークのみをアクティブ化することを可能にし、計算コストに比例しない形で容量を劇的に増加させます。
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
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 2). Time-MoE (Mixture-of-Experts Time-Series Foundation Model). ScholarGate. https://scholargate.app/ja/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: 時系列予測のためのトークン化基盤モデル深層学習↔ compare
- 混合専門家モデル深層学習↔ 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