Chronos: Tokenizowany model podstawowy do prognozowania szeregów czasowych
Chronos to rodzina wstępnie wytrenowanych probabilistycznych modeli prognozowania wprowadzona przez Ansari i wsp. w Amazon w 2024 roku. Adaptuje ona paradygmat modeli językowych do szeregów czasowych poprzez kwantyzację wartości ciągłych na dyskretne tokeny, co umożliwia wytrenowanie standardowego transformera na dużym, heterogenicznym korpusie danych szeregów czasowych. Rezultatem jest model prognozowania zero-shot, który generalizuje w różnych domenach bez potrzeby ponownego trenowania specyficznego dla zbioru danych.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- Ansari, A. F., Stella, L., Turkmen, C., Zhang, X., Mercado, P., Shen, H., et al. (2024). Chronos: Learning the language of time series. Transactions on Machine Learning Research. link ↗
Jak cytować tę stronę
ScholarGate. (2026, June 2). Chronos (Tokenized Time-Series Foundation Model). ScholarGate. https://scholargate.app/pl/deep-learning/chronos
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.
- Moirai: Uniwersalny Transformer do prognozowania szeregów czasowychUczenie głębokie↔ compare
- TimesFM: Model Fundacyjny Tylko z Dekoderem do Prognozowania Szeregów CzasowychUczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →