Time-MoE: Mešavina eksperata kao osnovni model za vremenske serije
Time-MoE je autoregresivni osnovni model razmere milijardi parametara za univerzalno prognoziranje vremenskih serija, koji su predstavili Ši i saradnici 2024. godine i prihvaćen na ICLR 2025. On kombinuje transformatorsku arhitekturu samo sa dekoderom sa retkim slojevima za mešavinu eksperata (MoE) u mreži napred, omogućavajući modelu da dostigne milijarde parametara uz aktiviranje samo malog podskupa ekspertskih mreža po tokenu — dramatično povećavajući kapacitet bez proporcionalnog troška računanja.
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
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 2). Time-MoE (Mixture-of-Experts Time-Series Foundation Model). ScholarGate. https://scholargate.app/sr/deep-learning/time-moe
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
- Mešavina eksperataDuboko učenje↔ compare
- TimesFM: Osnovni model samo sa dekoderom za prognoziranje vremenskih serijaDuboko učenje↔ compare
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →