TimesFM: Een decoder-only foundation model voor tijdreeksvoorspelling
TimesFM is een vooraf getraind foundation model voor univariate tijdreeksvoorspelling, geïntroduceerd door Abhimanyu Das, Weihao Kong, Rajat Sen en Yichen Zhou van Google in 2024. Het model hanteert een decoder-only transformer-architectuur, vergelijkbaar met grote taalmodellen, en is getraind op een grote corpus van real-world en synthetische tijdreeksdata. De centrale innovatie is het vermogen om accurate zero-shot voorspellingen te doen over diverse domeinen heen, zonder taakspecifieke fine-tuning.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- Das, A., Kong, W., Sen, R., & Zhou, Y. (2024). A decoder-only foundation model for time-series forecasting. ICML. link ↗
Deze pagina citeren
ScholarGate. (2026, June 2). TimesFM (Time-series Foundation Model). ScholarGate. https://scholargate.app/nl/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: Een Getokeniseerd Fundamentmodel voor TijdreeksvoorspellingDeep learning↔ compare
- Moirai: Universele Transformer voor TijdreeksvoorspellingDeep learning↔ compare
- PatchTSTDeep learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →