Moirai: Univerzalni Transformer za prognoziranje vremenskih serija
Moirai je temeljni model za univerzalno prognoziranje vremenskih serija koji su predstavili Gerald Woo i kolege iz Salesforce Research-a 2024. godine na konferenciji ICML. Osnovna ideja je predobuka jednog velikog Transformera na izuzetno raznolikom korpusu podataka vremenskih serija (LOTSA) koji obuhvata mnoge domene i frekvencije, omogućavajući "zero-shot" i "few-shot" prognoziranje na neviđenim skupovima podataka bez retreniranja specifičnog za zadatak. Moirai koristi tokenizaciju zasnovanu na "patch"-evima, "any-variate" pažnju i izlaznu glavu sa mešavinom distribucija kako bi se nosio sa promenljivim frekvencijama, višestrukim varijatama i probabilističkim predviđanjem u jedinstvenoj arhitekturi.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- Woo, G., Liu, C., Kumar, A., Xiong, C., Savarese, S., & Sahoo, D. (2024). Unified training of universal time series forecasting transformers. ICML. link ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 2). Moirai (Universal Time-Series Forecasting Transformer). ScholarGate. https://scholargate.app/sr/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: Tokenizovani fundamentalni model za prognozu vremenskih serijaDuboko učenje↔ compare
- PatchTSTDuboko učenje↔ compare
- TimesFM: Osnovni model samo sa dekoderom za prognoziranje vremenskih serijaDuboko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →