Sundial: Generatīvi laika sēriju pamata modeļi
Sundial ir Yong Liu un kolēģu Tsinhua universitātē (ICML 2025) ieviestu generatīvu laika sēriju pamata modeļu saime. Iepriekš apmācīts uz lieliem un daudzveidīgiem laika sēriju korpusiem, Sundial izmanto uz sadalīšanu balstītu arhitektūru, kas savienota ar generatīvu prognozēšanas moduli, lai radītu probablistiskas prognozes vairākiem horizontiem. Tas ievieš pāreju uz vispārīgas nozīmes, nulles-šāvienu spējīgiem modeļiem reālās pasaules laika prognozēšanas uzdevumiem.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- Liu, Y., Qin, G., Shi, X., Hu, T., Wang, J., & Long, M. (2025). Sundial: A family of highly capable time series foundation models. ICML. link ↗
Kā citēt šo lapu
ScholarGate. (2026, June 2). Sundial (Generative Time-Series Foundation Models). ScholarGate. https://scholargate.app/lv/deep-learning/sundial
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: Tokenizēts pamata modelis laika sēriju prognozēšanaiDziļā mācīšanās↔ compare
- Moirai: Universāls laika sēriju prognozēšanas TransformerDziļā mācīšanās↔ compare
- TimesFMDziļā mācīšanās↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →