Deskripsi
TimesFM 3.0 adalah model dasar time-series yang canggih yang dikembangkan oleh Google Research, bertujuan untuk meningkatkan akurasi dan efisiensi peramalan time-series. Model ini merupakan bagian dari inisiatif Google untuk memajukan kecerdasan buatan melalui sumber terbuka dan ilmu terbuka. TimesFM 3.0 dibangun di atas arsitektur Stacked Mixing Transformer dengan Variate Attention dan CPM Iterative RevIN, menampilkan 20 lapisan transformer dengan dimensi model 1280 dan 16 kepala. Model ini dilatih sebelumnya menggunakan dataset yang beragam, termasuk GiftEvalPretrain, Wikipedia Pageviews, dan kueri teratas Google Trends, memastikan pemahaman yang komprehensif tentang data time-series.
Baca Selengkapnya
Model ini dirilis di bawah TimesFM Non-Commercial License v1.0, menjadikannya dapat diakses untuk penggunaan non-komersial. Model ini dirancang untuk menangani data time-series yang kompleks dengan panjang patch konteks 32 dan panjang patch horizon ramalan 64. Kuantil model diatur dengan median pada indeks 4, memberikan kerangka kerja yang kuat untuk tugas peramalan.
TimesFM 3.0 telah mendapatkan perhatian yang signifikan, dengan lebih dari satu juta unduhan hanya dalam sebulan terakhir, menunjukkan popularitas dan efektivitasnya di komunitas AI. Model ini terintegrasi ke dalam 19 ruang yang berbeda, menunjukkan fleksibilitas dan adaptabilitasnya di berbagai aplikasi.
Model ini sangat bermanfaat bagi peneliti dan pengembang yang bekerja di bidang yang memerlukan peramalan time-series yang tepat, seperti keuangan, prediksi cuaca, dan manajemen rantai pasokan. Dengan memanfaatkan kekuatan TimesFM 3.0, pengguna dapat mencapai prediksi dan wawasan yang lebih akurat, yang pada akhirnya mendorong proses pengambilan keputusan yang lebih baik.
- KategoriPeramalan & Analitik Prediktif
- Model HargaOpen source
- PenerapanCloud
- PlatformWeb
Sorotan TimesFM 3.0 (PyTorch)
Model dasar time-series yang telah dilatih sebelumnya
Arsitektur Stacked Mixing Transformer
Variate Attention dan CPM Iterative RevIN
20 lapisan transformer
Dimensi model: 1280
16 kepala
Panjang patch konteks: 32
Panjang patch horizon ramalan: 64
Memulai dengan TimesFM 3.0 (PyTorch)
Akses model: Kunjungi Hugging Face
Autentikasi: Gunakan kredensial Anda
Siapkan lingkungan: Konfigurasi PyTorch
Integrasi melalui API: Gunakan konfigurasi yang disediakan
Optimalkan: Sesuaikan parameter untuk kasus penggunaan tertentu
Kasus Penggunaan TimesFM 3.0 (PyTorch)
- Peramalan Keuangan
- Prediksi Cuaca
- Manajemen Rantai Pasokan
- Konsumsi Energi
- Analitik Kesehatan
