Sundial: Generativa grundmodeller för tidsserier
Sundial är en familj av generativa grundmodeller för tidsserier, introducerade av Yong Liu och kollegor vid Tsinghua University (ICML 2025). Sundial är förtränad på stora och mångsidiga tidsseriedata och använder en dekompositionsbaserad arkitektur parad med ett generativt prognoshuvud för att producera probabilistiska prognoser med flera horisonter. Den representerar ett skifte mot allmänna, nollskottskapabla modeller för verkliga temporala prediktionsuppgifter.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- Liu, Y., Qin, G., Shi, X., Hu, T., Wang, J., & Long, M. (2025). Sundial: A family of highly capable time series foundation models. ICML. link ↗
Så citerar du den här sidan
ScholarGate. (2026, June 2). Sundial (Generative Time-Series Foundation Models). ScholarGate. https://scholargate.app/sv/deep-learning/sundial
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: En tokeniserad grundmodell för tidsserieprognoserDjupinlärning↔ compare
- Moirai: Universell Transformer för tidsserieprognoserDjupinlärning↔ compare
- TimesFM: En grundmodell med endast avkodare för tidsserieprognoserDjupinlärning↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →