Moirai: Transformer Universal pentru Prognoza Seriilor Temporale
Moirai este un model fundamental pentru prognoza universală a seriilor temporale, introdus de Gerald Woo și colaboratorii săi de la Salesforce Research în 2024 și prezentat la ICML. Ideea centrală este pre-antrenarea unui singur Transformer mare pe un corpus excepțional de divers de date de serii temporale (LOTSA), care acoperă multe domenii și frecvențe, permițând prognoza zero-shot și few-shot pe seturi de date nevăzute, fără re-antrenare specifică sarcinii. Moirai utilizează tokenizare bazată pe patch-uri, atenție any-variate și un cap de ieșire de tip mixture-of-distributions pentru a gestiona frecvențe variabile, multiple variate și predicții probabilistice într-o arhitectură unificată.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- Woo, G., Liu, C., Kumar, A., Xiong, C., Savarese, S., & Sahoo, D. (2024). Unified training of universal time series forecasting transformers. ICML. link ↗
Cum se citează această pagină
ScholarGate. (2026, June 2). Moirai (Universal Time-Series Forecasting Transformer). ScholarGate. https://scholargate.app/ro/deep-learning/moirai
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: Un Model Fundamental Tokenizat pentru Prognoza Seriilor TemporaleÎnvățare profundă↔ compare
- PatchTSTÎnvățare profundă↔ compare
- TimesFM: Un model fundamental doar cu decodor pentru prognoza seriilor temporaleÎnvățare profundă↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →