Machine learningTime-series forecasting
TimesFM: 시계열 예측을 위한 디코더 전용 파운데이션 모델
TimesFM은 Google의 Abhimanyu Das, Weihao Kong, Rajat Sen, Yichen Zhou가 2024년에 소개한 단변량 시계열 예측을 위한 사전 훈련된 파운데이션 모델입니다. 이 모델은 대규모 언어 모델과 유사한 정신으로 디코더 전용 트랜스포머 아키텍처를 채택했으며, 실제 및 합성 시계열 데이터의 대규모 코퍼스로 훈련되었습니다. 이 모델의 핵심 혁신은 작업별 미세 조정 없이 다양한 도메인에 걸쳐 정확한 제로샷 예측을 수행하는 능력입니다.
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
- Das, A., Kong, W., Sen, R., & Zhou, Y. (2024). A decoder-only foundation model for time-series forecasting. ICML. link ↗
이 페이지 인용 방법
ScholarGate. (2026, June 2). TimesFM (Time-series Foundation Model). ScholarGate. https://scholargate.app/ko/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.
- Chronos: 시계열 예측을 위한 토큰화된 파운데이션 모델딥러닝↔ compare
- Moirai: 범용 시계열 예측 트랜스포머딥러닝↔ compare
- PatchTST딥러닝↔ compare