Time-MoE: Modeli themelor për seritë kohore me përzierje ekspertësh
Time-MoE është një model themelor autoregresiv në shkallë miliarda për parashikimin universal të serive kohore, i prezantuar nga Shi et al. në vitin 2024 dhe i pranuar në ICLR 2025. Ai kombinon një arkitekturë transformeri vetëm me dekoder me shtresa të rrjetit të përparmë me përzierje ekspertësh (MoE) të rrallë, duke i mundësuar modelit të shkallëzohet në miliarda parametra duke aktivizuar vetëm një nëngrup të vogël të rrjeteve eksperte për çdo token—duke rritur në mënyrë dramatike kapacitetin pa kosto llogaritëse proporcionale.
Lexoni metodën e plotë
Hyni me një llogari falas për ta lexuar këtë seksion.
Harta e metodave
Lagjja e metodave të lidhura — zgjidhni një nyje për të eksploruar.
Burimet
- Shi, X., Wang, S., Nie, Y., Li, D., Ye, Z., Wen, Q., & Jin, M. (2024). Time-MoE: Billion-scale time series foundation models with mixture of experts. ICLR 2025. link ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 2). Time-MoE (Mixture-of-Experts Time-Series Foundation Model). ScholarGate. https://scholargate.app/sq/deep-learning/time-moe
Cila metodë?
Vendoseni këtë metodë pranë të afërmeve të saj më të ngushta dhe lexojini krah për krah — biblioteka i shtron librat mbi tryezë; zgjedhja është e juaja.
- Chronos: Një Model Themeltar i Tokenizuar për Parashikimin e Vargjeve KohoreMësimi i thellë↔ krahaso
- Përzierje EkspertëshMësimi i thellë↔ krahaso
- TimesFM: Një Model Themeltar Vetëm me Dekoder për Parashikimin e Serive KohoreMësimi i thellë↔ krahaso
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →