Güneş Saati: Üretken Zaman Serisi Temel Modelleri
Sundial (Generative Time-Series Foundation Models) · Ayrıca şöyle bilinir: Sundial TSF, Time-Series Foundation Model (Generative), Sundial ICML 2025, Zaman Serisi Temel Modeli (Sundial)
Sundial, Yong Liu ve Tsinghua Üniversitesi'ndeki meslektaşları tarafından (ICML 2025) tanıtılan üretken zaman serisi temel modeller ailesidir. Büyük ve çeşitli zaman serisi veri kümeleri üzerinde önceden eğitilmiş olan Sundial, olasılıksal çok ufuklu tahminler üretmek için bir ayrıştırma tabanlı mimariyi üretken bir tahmin başlığı ile eşleştirir. Gerçek dünya zamansal tahmin görevleri için genel amaçlı, sıfır atış (zero-shot) yetenekli modellere doğru bir kaymayı temsil eder.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Sundial, etiketli eğitim verisinin kıt olduğu, alan transferinin gerektiği veya olasılıklı tahminlerin gerekli olduğu çok değişkenli veya tek değişkenli tahmin görevleri için uygundur. Girdinin anlamlı bir şekilde eğilim ve mevsimsel bileşenlere ayrıştırılabileceğini varsayar. Sınırlamalar arasında hafif taban çizgilerine (lightweight baselines) kıyasla yüksek hesaplama maliyeti, hedef alanın ön eğitim verilerinden önemli ölçüde farklı olması durumunda potansiyel yanlış kalibrasyon ve yama uzunluğu hiperparametrelerine duyarlılık yer alır. İyi etiketlenmiş, tek alanlı veri kümeleri için N-BEATS veya PatchTST gibi daha basit alternatifler yeterli olabilir.
Güçlü yönler & sınırlılıklar
- Görev özelinde yeniden eğitim olmadan çeşitli zaman serisi alanlarında sıfır atış (zero-shot) ve az atış (few-shot) genellemesi
- Üretken başlık aracılığıyla olasılıklı çıktı, yerel belirsizlik ölçümünü etkinleştirir
- Ayrıştırma endüktif önyargısı, durağan olmayan ve çok periyotlu sinyallerin işlenmesini iyileştirir
- Ölçeklenebilir model ailesi, hesaplama bütçesi ile tahmin kapasitesi arasında dengelemeye olanak tanır
- Büyük ön eğitim ölçeği, tekrarlamak için önemli hesaplama ve veri altyapısı gerektirir
- Çıkarımdaki üretken örnekleme, deterministik nokta tahmini modellerine kıyasla gecikmeyi artırır
- Dar, iyi etiketlenmiş tek alanlı görevlerde hafif özel modellerden daha düşük performans gösterebilir
- Yama uzunluğu ve ayrıştırma hiperparametreleri ayar gerektirir ve alan dışı performansı etkiler
SSS
Sundial'ın dağıtımdan önce yeni veriler üzerinde ince ayar (fine-tuning) yapması gerekir mi?
Hayır. Sundial, sıfır atış (zero-shot) tahmini için tasarlanmıştır, yani herhangi bir görev özelinde ince ayar yapmadan yeni zaman serisi alanlarına doğrudan uygulanabilir. Ancak, hedef alandan küçük bir etiketli örnek üzerinde az atış (few-shot) ince ayarı, etiketli veri mevcut olduğunda kalibrasyonu ve doğruluğu daha da artırabilir.
Sundial, Chronos ve TimesFM'den nasıl farklıdır?
Her üçü de büyük önceden eğitilmiş zaman serisi temel modelleridir, ancak Sundial, nokta tahminleri veya kantil (quantile) çıktıları yerine tam tahmin dağılımları üreten üretken bir tahmin başlığına odaklanır. Mimarisinin, Chronos'taki yalnızca jetonlaştırma (tokenization) yaklaşımından ve TimesFM'deki yamalama stratejisinden ayıran açık bir eğilim-mevsimsel ayrıştırma adımı içermesi de onu farklı kılar.
Sundial, yüksek frekanslı finansal tik verileri için uygun mudur?
Sundial yüksek frekanslı verilere uygulanabilir, ancak ön eğitim veri kümesi bileşimi tik düzeyindeki finansal sinyalleri yeterince temsil etmeyebilir, bu da sıfır atış kalibrasyonunu potansiyel olarak sınırlayabilir. Bu tür ortamlarda, modelin endüktif önyargılarını finansal mikro yapı verilerinin istatistiksel özellikleriyle uyumlu hale getirmek için alan uyarlamalı ince ayar ve dikkatli yama uzunluğu yapılandırması önerilir.
Kaynaklar
- 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 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 2). Sundial (Generative Time-Series Foundation Models). ScholarGate. https://scholargate.app/tr/deep-learning/sundial
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Chronos: Zaman Serisi Tahmini için Tokenize Edilmiş Temel ModelDerin öğrenme↔ karşılaştır
- Moirai: Evrensel Zaman Serisi Tahmin Transformer'ıDerin öğrenme↔ karşılaştır
- TimesFM: Zaman Serileri Tahmini için Yalnızca Kod Çözücü Temelli Bir ModelDerin öğrenme↔ karşılaştır