Moirai: Transformer Ramalan Deret Masa Universal
Moirai ialah model asas untuk ramalan deret masa universal yang diperkenalkan oleh Gerald Woo dan rakan-rakannya di Salesforce Research pada tahun 2024 dan dibentangkan di ICML. Idea terasnya adalah untuk pra-latih satu Transformer besar pada korpus data deret masa yang sangat pelbagai (LOTSA) yang merangkumi banyak domain dan frekuensi, membolehkan ramalan sifar-skop (zero-shot) dan sedikit-skop (few-shot) pada set data yang belum pernah dilihat tanpa latihan semula khusus tugasan. Moirai menggunakan tokenisasi berasaskan tampalan (patch-based), perhatian merentasi semua pembolehubah (any-variate attention), dan kepala output campuran taburan (mixture-of-distributions) untuk mengendalikan frekuensi berubah-ubah, pelbagai pembolehubah, dan ramalan kebarangkalian dalam seni bina bersatu.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Woo, G., Liu, C., Kumar, A., Xiong, C., Savarese, S., & Sahoo, D. (2024). Unified training of universal time series forecasting transformers. ICML. link ↗
Cara memetik halaman ini
ScholarGate. (2026, June 2). Moirai (Universal Time-Series Forecasting Transformer). ScholarGate. https://scholargate.app/ms/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: Model Asas Berteraskan Token untuk Ramalan Deret MasaPembelajaran Mendalam↔ compare
- PatchTSTPembelajaran Mendalam↔ compare
- TimesFM: Model Asas Berasaskan Dekoder untuk Ramalan Deret MasaPembelajaran Mendalam↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →