TimesFM: Model Fundacyjny Tylko z Dekoderem do Prognozowania Szeregów Czasowych
TimesFM to wstępnie wytrenowany model fundacyjny do jednowymiarowego prognozowania szeregów czasowych, wprowadzony przez Abhimany'ego Dasa, Weihao Konga, Rajata Sena i Yichena Zhou z Google w 2024 roku. Model przyjmuje architekturę transformera tylko z dekoderem, podobną w zamyśle do dużych modeli językowych, i jest trenowany na dużym korpusie rzeczywistych i syntetycznych danych szeregów czasowych. Jego główną innowacją jest zdolność do dokładnego prognozowania zero-shot w różnych dziedzinach bez dostrajania specyficznego dla zadania.
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
- Das, A., Kong, W., Sen, R., & Zhou, Y. (2024). A decoder-only foundation model for time-series forecasting. ICML. link ↗
Jak cytować tę stronę
ScholarGate. (2026, June 2). TimesFM (Time-series Foundation Model). ScholarGate. https://scholargate.app/pl/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: Tokenizowany model podstawowy do prognozowania szeregów czasowychUczenie głębokie↔ compare
- Moirai: Uniwersalny Transformer do prognozowania szeregów czasowychUczenie głębokie↔ compare
- PatchTSTUczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →