Sundial: Fundamentowe modele generatywne dla szeregów czasowych
Sundial to rodzina generatywnych fundamentowych modeli dla szeregów czasowych, wprowadzona przez Yong Liu i współpracowników z Uniwersytetu Tsinghua (ICML 2025). Wstępnie wytrenowany na dużych i zróżnicowanych korpusach szeregów czasowych, Sundial wykorzystuje architekturę opartą na dekompozycji w połączeniu z generatywną głowicą prognozującą do tworzenia probabilistycznych prognoz wielohoryzontowych. Reprezentuje on zwrot w kierunku uniwersalnych modeli zdolnych do pracy w trybie zero-shot dla rzeczywistych zadań prognozowania czasowego.
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
- Liu, Y., Qin, G., Shi, X., Hu, T., Wang, J., & Long, M. (2025). Sundial: A family of highly capable time series foundation models. ICML. link ↗
Jak cytować tę stronę
ScholarGate. (2026, June 2). Sundial (Generative Time-Series Foundation Models). ScholarGate. https://scholargate.app/pl/deep-learning/sundial
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: Tokenizowany model podstawowy do prognozowania szeregów czasowychUczenie głębokie↔ compare
- Moirai: Uniwersalny Transformer do prognozowania szeregów czasowychUczenie głębokie↔ compare
- TimesFM: Model Fundacyjny Tylko z Dekoderem do Prognozowania Szeregów CzasowychUczenie głębokie↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →