Мойри: універсальний трансформер для прогнозування часових рядів
Moirai — це базова модель для універсального прогнозування часових рядів, представлена Джеральдом Ву та його колегами з Salesforce Research у 2024 році на конференції ICML. Основна ідея полягає в попередньому навчанні єдиного великого трансформера на надзвичайно різноманітному корпусі часових рядів (LOTSA), що охоплює багато доменів і частот, що дозволяє здійснювати прогнозування в режимі нульового (zero-shot) та обмеженого (few-shot) навчання на небачених наборах даних без перенавчання під конкретне завдання. Moirai використовує токенізацію на основі патчів, будь-варіативну увагу та вихідний шар із сумішшю розподілів для обробки змінних частот, множинних варіацій та ймовірнісного прогнозування в уніфікованій архітектурі.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- Woo, G., Liu, C., Kumar, A., Xiong, C., Savarese, S., & Sahoo, D. (2024). Unified training of universal time series forecasting transformers. ICML. link ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 2). Moirai (Universal Time-Series Forecasting Transformer). ScholarGate. https://scholargate.app/uk/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: Токенізована базова модель для прогнозування часових рядівГлибоке навчання↔ compare
- PatchTSTГлибоке навчання↔ compare
- TimesFM: Декодер-орієнтована базова модель для прогнозування часових рядівГлибоке навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →