Time-MoE: Grundmodell för tidsserier med Mixture-of-Experts
Time-MoE är en autoregressiv grundmodell i miljardskala för universell tidsserieförutsägelse, introducerad av Shi et al. 2024 och accepterad vid ICLR 2025. Den kombinerar en transformerarkitektur med endast dekoder med sparsamma Mixture-of-Experts (MoE) feed-forward-lager, vilket gör det möjligt för modellen att skalas till miljarder parametrar samtidigt som endast en liten delmängd av expertnätverk aktiveras per token—vilket dramatiskt ökar kapaciteten utan proportionell beräkningskostnad.
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
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 2). Time-MoE (Mixture-of-Experts Time-Series Foundation Model). ScholarGate. https://scholargate.app/sv/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: En tokeniserad grundmodell för tidsserieprognoserDjupinlärning↔ compare
- Blandning av experterDjupinlärning↔ compare
- TimesFM: En grundmodell med endast avkodare för tidsserieprognoserDjupinlärning↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →