TimesFM: Декодер-орієнтована базова модель для прогнозування часових рядів
TimesFM — це попередньо навчена базова модель для одновимірного прогнозування часових рядів, представлена Google у 2024 році Абхіманью Дасом, Вейхао Конгом, Раджатом Сеном та Ічен Чжоу. Модель використовує архітектуру трансформера лише з декодером, подібну за духом до великих мовних моделей, і навчена на великому корпусі реальних та синтетичних даних часових рядів. Її ключова інновація полягає у здатності виконувати точне прогнозування в режимі нульового пострілу (zero-shot) у різноманітних доменах без специфічного для завдання доналаштування.
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
- Das, A., Kong, W., Sen, R., & Zhou, Y. (2024). A decoder-only foundation model for time-series forecasting. ICML. link ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 2). TimesFM (Time-series Foundation Model). ScholarGate. https://scholargate.app/uk/deep-learning/timesfm
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
- Мойри: універсальний трансформер для прогнозування часових рядівГлибоке навчання↔ compare
- PatchTSTГлибоке навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →