Moirai: Универсальное прогнозирование временных рядов с помощью трансформера
Moirai — это базовая модель для универсального прогнозирования временных рядов, представленная Джеральдом Ву и его коллегами из Salesforce Research в 2024 году и представленная на ICML. Основная идея заключается в предварительном обучении одного большого трансформера на исключительно разнообразном корпусе данных временных рядов (LOTSA), охватывающем множество доменов и частот, что позволяет осуществлять прогнозирование в режиме zero-shot и few-shot на невиданных ранее наборах данных без переобучения для конкретной задачи. Moirai использует патч-ориентированную токенизацию, any-variate attention и выходную головку с распределением смесей для обработки переменных частот, множественных вариат и вероятностного прогнозирования в унифицированной архитектуре.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Woo, G., Liu, C., Kumar, A., Xiong, C., Savarese, S., & Sahoo, D. (2024). Unified training of universal time series forecasting transformers. ICML. link ↗
Как цитировать эту страницу
ScholarGate. (2026, June 2). Moirai (Universal Time-Series Forecasting Transformer). ScholarGate. https://scholargate.app/ru/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.
- ChronosГлубокое обучение↔ compare
- PatchTSTГлубокое обучение↔ compare
- TimesFM: Модель-фундамент только с декодером для прогнозирования временных рядовГлубокое обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →