Moirai: Universal Transformer për Parashikimin e Serive Kohore
Moirai është një model themelor për parashikimin universal të serive kohore, prezantuar nga Gerald Woo dhe kolegët e tij në Salesforce Research në vitin 2024 dhe paraqitur në ICML. Ideja kryesore është paratrajnimi i një Transformeri të vetëm, të madh, në një korpus jashtëzakonisht të larmishëm të të dhënave të serive kohore (LOTSA) që shtrihet në shumë domene dhe frekuenca, duke mundësuar parashikim me zero-shot dhe few-shot në sete të dhënash të pashikuara pa ri-stërvitje specifike për detyrën. Moirai përdor tokenizim të bazuar në copëza (patch-based), vëmendje çdo-variate (any-variate attention) dhe një kokë dalëse me përzierje shpërndarjesh (mixture-of-distributions) për të trajtuar frekuenca të ndryshueshme, variate të shumta dhe parashikim probabilistik në një arkitekturë të unifikuar.
Lexoni metodën e plotë
Hyni me një llogari falas për ta lexuar këtë seksion.
Method map
The neighbourhood of related methods — select a node to explore.
Burimet
- Woo, G., Liu, C., Kumar, A., Xiong, C., Savarese, S., & Sahoo, D. (2024). Unified training of universal time series forecasting transformers. ICML. link ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 2). Moirai (Universal Time-Series Forecasting Transformer). ScholarGate. https://scholargate.app/sq/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: Një Model Themeltar i Tokenizuar për Parashikimin e Vargjeve KohoreMësimi i thellë↔ compare
- PatchTSTMësimi i thellë↔ compare
- TimesFM: Një Model Themeltar Vetëm me Dekoder për Parashikimin e Serive KohoreMësimi i thellë↔ compare
Cituar nga
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →