TimesFM: Pamata modelis laika sēriju prognozēšanai, kas balstīts tikai uz dekoderi
TimesFM ir iepriekš apmācīts pamata modelis univarianšu laika sēriju prognozēšanai, ko 2024. gadā ieviesa Google pētnieki Abhimanyu Das, Weihao Kong, Rajat Sen un Yichen Zhou. Modelis izmanto tikai dekoderim līdzīgu transformera arhitektūru, kas ir līdzīga lielo valodu modeļiem, un ir apmācīts uz liela reālās pasaules un sintētisko laika sēriju datu kopuma. Tā galvenais jauninājums ir spēja veikt precīzu prognozēšanu bez iepriekšējas apmācības (zero-shot) dažādās jomās bez uzdevumam specifiskas pielāgošanas.
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
- Das, A., Kong, W., Sen, R., & Zhou, Y. (2024). A decoder-only foundation model for time-series forecasting. ICML. link ↗
Kā citēt šo lapu
ScholarGate. (2026, June 2). TimesFM (Time-series Foundation Model). ScholarGate. https://scholargate.app/lv/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: Tokenizēts pamata modelis laika sēriju prognozēšanaiDziļā mācīšanās↔ compare
- Moirai: Universāls laika sēriju prognozēšanas TransformerDziļā mācīšanās↔ compare
- PatchTSTDziļā mācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →