Machine learningTime-series forecasting
Moirai: 범용 시계열 예측 트랜스포머
Moirai는 Gerald Woo와 Salesforce Research의 동료들이 2024년에 소개하고 ICML에서 발표한 범용 시계열 예측을 위한 파운데이션 모델입니다. 핵심 아이디어는 다양한 도메인과 빈도에 걸쳐 있는 매우 다양한 시계열 데이터(LOTSA)의 단일 대규모 트랜스포머를 사전 훈련하여, 작업별 재훈련 없이 보지 못한 데이터셋에 대한 제로샷 및 퓨샷 예측을 가능하게 하는 것입니다. Moirai는 패치 기반 토큰화, 애니베리엇(any-variate) 어텐션, 그리고 혼합 분포(mixture-of-distributions) 출력 헤드를 사용하여 가변 빈도, 다중 베리엇, 확률적 예측을 통합된 아키텍처에서 처리합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- Woo, G., Liu, C., Kumar, A., Xiong, C., Savarese, S., & Sahoo, D. (2024). Unified training of universal time series forecasting transformers. ICML. link ↗
이 페이지 인용 방법
ScholarGate. (2026, June 2). Moirai (Universal Time-Series Forecasting Transformer). ScholarGate. https://scholargate.app/ko/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: 시계열 예측을 위한 토큰화된 파운데이션 모델딥러닝↔ compare
- PatchTST딥러닝↔ compare
- TimesFM: 시계열 예측을 위한 디코더 전용 파운데이션 모델딥러닝↔ compare