TiRex: Zero-Shot Tijdreeksvoorspelling met xLSTM
TiRex is een vooraf getraind zero-shot model voor tijdreeksvoorspelling, geïntroduceerd in 2025 door het NX-AI xLSTM-team (Auer et al.). Gebouwd op de Extended Long Short-Term Memory (xLSTM) architectuur, is TiRex opgeschaald getraind op diverse tijdreekscorpora en kan het ongeziene datasets voorspellen zonder enige fine-tuning. Het kernidee is om verbeterd in-context leren te benutten: het model leest de volledige beschikbare geschiedenis als context en produceert voorspellingen voor zowel korte als lange horizonten direct uit die context.
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
- Auer, A., Podest, P., Klotz, D., Böck, S., Klambauer, G., & Hochreiter, S. (2025). TiRex: Zero-shot forecasting across long and short horizons with enhanced in-context learning. arXiv preprint. link ↗
Deze pagina citeren
ScholarGate. (2026, June 2). TiRex (xLSTM-based Zero-Shot Forecasting Model). ScholarGate. https://scholargate.app/nl/deep-learning/tirex
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
- LSTMDeep learning↔ compare
- TimesFM: Een decoder-only foundation model voor tijdreeksvoorspellingDeep learning↔ compare
Een fout op deze pagina gezien? Meld het of stel een correctie voor →