Time-MoE: Модель фундаменту для часових рядів на основі суміші експертів
Time-MoE — це авторегресійна модель фундаменту масштабу мільярдів для універсального прогнозування часових рядів, представлена Shi et al. у 2024 році та прийнята на ICLR 2025. Вона поєднує трансформерну архітектуру лише з декодером та розріджені шари прямого поширення суміші експертів (MoE), що дозволяє моделі масштабуватися до мільярдів параметрів, активуючи лише невелику підмножину мереж експертів на токен — драматично збільшуючи потужність без пропорційних обчислювальних витрат.
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
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 2). Time-MoE (Mixture-of-Experts Time-Series Foundation Model). ScholarGate. https://scholargate.app/uk/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: Токенізована базова модель для прогнозування часових рядівГлибоке навчання↔ compare
- Суміш експертівГлибоке навчання↔ compare
- TimesFM: Декодер-орієнтована базова модель для прогнозування часових рядівГлибоке навчання↔ compare
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →