هوش مصنوعی
Chronos-2؛ مدل پایهای برای پیشبینی چندمتغیرهٔ سریهای زمانی
پیشچاپی در arXiv مدل Chronos-2 را معرفی میکند؛ سامانهای برای پیشبینی بدون آموزش اختصاصی که تعامل میان سریهای زمانی و عوامل بیرونی را در نظر میگیرد.
پیشبینی دقیق همراه با برآورد عدمقطعیت در حوزههایی مانند همهگیرشناسی، اقتصاد، انرژی و علوم زمین اهمیت دارد؛ اما بسیاری از مدلهای پیشبینی همچنان باید برای هر مجموعهدادهٔ تخصصی جداگانه توسعه داده و آموزش داده شوند. مدلهای پایهٔ سری زمانی (TSFM) با پیشآموزش در مقیاس بزرگ میکوشند یک مدل را در حوزههای مختلف به کار بگیرند.
نویسندگان پیشچاپ Chronos-2 میگویند بسیاری از مدلهای موجود هر سری زمانی را مستقل از بقیه بررسی میکنند و در نتیجه قادر به مدلسازی تعامل میان چند سری زمانی و عوامل بیرونی نیستند. Chronos-2 برای پیشبینی بدون آموزش اختصاصی (zero-shot) معرفی شده و تعامل میان سریهای زمانی چندمتغیره و عوامل ناهمگون را مدل میکند. متن در دسترسِ چکیده در میانهٔ جمله پایان مییابد و جزئیات بیشتری از روش یا ارزیابی مدل ارائه نمیکند.
این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درجشده تنظیم شدهاند؛ صحت مستقل همه ادعاها تضمین نمیشود.
منبع: arXiv · AI (پیشچاپ) — مشاهده منبع اصلی ↗
پیشچاپ پژوهشی در arXiv؛ انتشار در این مخزن به معنی داوری همتا نیست
رد این داستان در رادار
خبرهای مرتبط از آرشیو منتشرشده