TimesFM: Модель-фундамент только с декодером для прогнозирования временных рядов
TimesFM — это предварительно обученная модель-фундамент для одномерного прогнозирования временных рядов, представленная Google в 2024 году Абхиманью Дасом, Вэйхао Куном, Раджатом Сеном и Ичэнем Чжоу. Модель использует архитектуру трансформера только с декодером, по духу схожую с большими языковыми моделями, и обучена на большом корпусе реальных и синтетических данных временных рядов. Её ключевое новшество — способность выполнять точное прогнозирование в режиме zero-shot для разнообразных областей без дообучения под конкретную задачу.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Das, A., Kong, W., Sen, R., & Zhou, Y. (2024). A decoder-only foundation model for time-series forecasting. ICML. link ↗
Как цитировать эту страницу
ScholarGate. (2026, June 2). TimesFM (Time-series Foundation Model). ScholarGate. https://scholargate.app/ru/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.
- ChronosГлубокое обучение↔ compare
- Moirai: Универсальное прогнозирование временных рядов с помощью трансформераГлубокое обучение↔ compare
- PatchTSTГлубокое обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →