3.3 亿参数模型使用修补的时间序列输入以及交替的时间和跨序列注意力。历史信号仍然受到因果约束,而已知的未来协变量则使用前瞻表示。非自回归解码策略在单个前向传递中生成预测,而不是按顺序生成每个未来补丁。
TimesFM-3 对于需求、传感器、操作和其他多变量预测任务的研究非常有用。它提供点和分位数预测,并在超过一万亿个时间点上进行了预训练。公共代码和预训练权重具有不同的许可条款; 3.0 权重仅限于非商业用途。
3.3 亿参数模型使用修补的时间序列输入以及交替的时间和跨序列注意力。历史信号仍然受到因果约束,而已知的未来协变量则使用前瞻表示。非自回归解码策略在单个前向传递中生成预测,而不是按顺序生成每个未来补丁。
TimesFM-3 对于需求、传感器、操作和其他多变量预测任务的研究非常有用。它提供点和分位数预测,并在超过一万亿个时间点上进行了预训练。公共代码和预训练权重具有不同的许可条款; 3.0 权重仅限于非商业用途。
在您的网站添加此徽章,以获得更多点赞并登上搜索结果顶部!


Get top updates in AI to your inbox every weekend. It's free!