TiRex: prognozowanie szeregów czasowych w trybie zero-shot z wykorzystaniem xLSTM
TiRex to wstępnie wytrenowany model prognozowania szeregów czasowych w trybie zero-shot, wprowadzony w 2025 roku przez zespół NX-AI xLSTM (Auer et al.). Zbudowany w oparciu o architekturę Extended Long Short-Term Memory (xLSTM), TiRex jest trenowany na dużą skalę na zróżnicowanych korpusach szeregów czasowych i potrafi prognozować nieznane zbiory danych bez żadnego dostrajania. Jego podstawową ideą jest wykorzystanie ulepszonego uczenia w kontekście (in-context learning): model odczytuje całą dostępną historię jako kontekst i generuje prognozy zarówno dla krótkich, jak i długich horyzontów bezpośrednio z tego kontekstu.
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
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 2). TiRex (xLSTM-based Zero-Shot Forecasting Model). ScholarGate. https://scholargate.app/pl/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: Tokenizowany model podstawowy do prognozowania szeregów czasowychUczenie głębokie↔ compare
- LSTMUczenie głębokie↔ compare
- TimesFM: Model Fundacyjny Tylko z Dekoderem do Prognozowania Szeregów CzasowychUczenie głębokie↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →