メインコンテンツへスキップ
ToolPotion
AI アドバイザー
送信(無料)

Chronos-2 — 時系列予測モデル

注目

Chronos-2は、ゼロショット予測のために設計された120Mパラメータのエンコーダ専用時系列基盤モデルです。さまざまな予測タスクをサポートし、単一のA10G GPU上で毎秒300以上の予測を提供する効率性を誇ります。

モデルを見る
共有
モデルを見る
共有

Chronos-2は、Amazonによって開発され、Hugging Faceにホストされている高度な時系列基盤モデルです。1億2000万のパラメータを持ち、ゼロショット予測のために特別に設計されているため、人工知能の分野で研究者や実務者にとって強力なツールとなっています。このモデルは、単変量、多変量、および共変量に基づく予測タスクをすべて単一のアーキテクチャ内でサポートし、正確な予測を生成するプロセスを簡素化します。

続きを読む

T5エンコーダに触発されたChronos-2は、関連する時系列と共変量にわたる効率的な文脈学習を可能にするグループアテンションメカニズムを利用しています。この革新的なアプローチにより、モデルは多段階の分位数予測を生成でき、時系列分析のさまざまなアプリケーションに不可欠です。このモデルは、実世界のデータと大規模な合成データを含む多様なデータセットでトレーニングされ、fev-bench、GIFT-Eval、Chronos Benchmark IIなどのベンチマークで最先端のゼロショット精度を達成しています。

Chronos-2の際立った特徴の一つは、その効率性です。単一のA10G GPU上で毎秒300以上の時系列予測を提供できるため、高需要のアプリケーションに適しています。このモデルは、GPUおよびCPU推論の両方をサポートし、さまざまなデプロイメント環境に柔軟性を提供します。Chronos-2をワークフローに統合したい場合、AutoGluon-Cloudを使用してAmazon SageMaker上に簡単にデプロイでき、最小限のセットアップと高レベルのPython APIを提供します。これにより、ユーザーはpandas DataFrameを入力し、数行のコードで予測を受け取ることができます。

デプロイメント機能に加えて、Chronos-2は実験とローカル推論のために設計されており、その機能を探求したい開発者や研究者にとってアクセスしやすくなっています。モデルのアーキテクチャは最大コンテキスト長8192および最大予測長1024をサポートしており、時系列データの包括的な分析を可能にします。全体として、Chronos-2は時系列予測の分野における重要な進展を表しており、ユーザーにとって予測ニーズに応えるための堅牢で効率的なツールを提供します。

  • カテゴリー予測と予測分析
  • デプロイクラウド
  • プラットフォームWeb

  • 120Mパラメータ

  • 単変量および多変量予測をサポート

  • 効率的な学習のためのグループアテンションメカニズム

  • 多段階の分位数予測

  • A10G GPU上で毎秒300以上の予測

  • GPUおよびCPU推論をサポート

  • 最大コンテキスト長: 8192

  • 最大予測長: 1024

  1. Chronos-2のHugging Faceページにアクセスします。

  2. 提供されたAPIを使用してChronos-2モデルをロードします。

  3. 推論のために環境を設定し、pandasとの互換性を確保します。

  4. Chronos-2をアプリケーションまたは分析ワークフローに統合します。

  5. 必要に応じて、特定のデータセットを使用してモデルをファインチューニングします。

  • 金融予測
  • サプライチェーン管理
  • エネルギー消費予測
  • 売上予測
  • 天気予測

Amazon の製品

Chronos-2 のレビュー

読み込み中...

Chronos-2 に似た人気のAIツール

GluonTS

AI フレームワーク

GluonTSは、PyTorchおよびMXNet上に構築されたディープラーニングモデルを活用する、確率的時系列モデリングのためのPythonパッケージです。予測を確率分布の形式で生成し、予測区間を含めることで、複雑な時系列分析に適した正確な予測を可能にします。

AIモデルとLLM
ツールを見る

AI フレームワーク

PyTorchおよびMXNet上に構築されたディープラーニングモデルを活用する、確率的時系列モデリングのためのPythonパッケージです。予測を確率分布の形式で生成し、予測区間を含めることで、複雑な時系列分析に適した正確な予測を可能にします。GluonTSは、PyTorchおよびMXNet上に構築されたディープラーニングモデルを活用する、確率的時系列モデリングのためのPythonパッケージです。予測を確率分布の形式で生成し、予測区間を含めることで、複雑な時系列分析に適した正確な予測を可能にします。

AIモデルとLLM
AI フレームワーク トップ50を見る

TimesNet

AI モデル

TimesNetは、1D時系列データを2D空間に変換してモデリングを強化する、汎用時系列分析のための基盤モデルです。予測、補間、異常検知、分類において最先端の結果を達成し、多様な時間パターンにわたる堅牢な表現学習のためにビジョンバックボーンを活用しています。

AIモデルとLLM
ツールを見る

AI モデル

1D時系列データを2D空間に変換してモデリングを強化する、汎用時系列分析のための基盤モデルです。予測、補間、異常検知、分類において最先端の結果を達成し、多様な時間パターンにわたる堅牢な表現学習のためにビジョンバックボーンを活用しています。TimesNetは、1D時系列データを2D空間に変換してモデリングを強化する、汎用時系列分析のための基盤モデルです。予測、補間、異常検知、分類において最先端の結果を達成し、多様な時間パターンにわたる堅牢な表現学習のためにビジョンバックボーンを活用しています。

AIモデルとLLM
AI モデル トップ5を見る

Prophet

AI フレームワーク

ProphetはFacebookが開発したオープンソースの予測手法です。強い季節性を持つ時系列データや複数の季節性を持つデータに対応するように設計されています。Prophetは高速で自動化されており、データサイエンティストやアナリストが精密な予測のために調整することも可能です。

予測と予測分析
ツールを見る

AI フレームワーク

Facebookが開発したオープンソースの予測手法です。強い季節性を持つ時系列データや複数の季節性を持つデータに対応するように設計されています。Prophetは高速で自動化されており、データサイエンティストやアナリストが精密な予測のために調整することも可能です。ProphetはFacebookが開発したオープンソースの予測手法です。強い季節性を持つ時系列データや複数の季節性を持つデータに対応するように設計されています。Prophetは高速で自動化されており、データサイエンティストやアナリストが精密な予測のために調整することも可能です。

予測と予測分析
AI フレームワーク トップ50を見る

LSTNet

AI GitHub リポジトリ

LSTNetは、時系列予測のために設計されたディープラーニングモデルです。リカレントニューラルネットワークと畳み込みニューラルネットワークを組み合わせることで、長期および短期の時間的パターンを効果的にモデル化します。このモデルは、特に複雑な時系列データに有用です。

AIモデルとLLM
ツールを見る

AI GitHub リポジトリ

時系列予測のために設計されたディープラーニングモデルです。リカレントニューラルネットワークと畳み込みニューラルネットワークを組み合わせることで、長期および短期の時間的パターンを効果的にモデル化します。このモデルは、特に複雑な時系列データに有用です。LSTNetは、時系列予測のために設計されたディープラーニングモデルです。リカレントニューラルネットワークと畳み込みニューラルネットワークを組み合わせることで、長期および短期の時間的パターンを効果的にモデル化します。このモデルは、特に複雑な時系列データに有用です。

AIモデルとLLM
AI GitHub リポジトリ トップ250を見る

LTSF-Linear

AI GitHub リポジトリ

LTSF-Linearは、「Are Transformers Effective for Time Series Forecasting?」の公式PyTorch実装です。長期時系列予測タスクにおいてトランスフォーマーを上回る性能を発揮する線形モデルファミリー(Linear, DLinear, NLinear)を導入し、高い効率性と解釈可能性を提供します。

AIモデルとLLM
ツールを見る

AI GitHub リポジトリ

「Are Transformers Effective for Time Series Forecasting?」の公式PyTorch実装です。長期時系列予測タスクにおいてトランスフォーマーを上回る性能を発揮する線形モデルファミリー(Linear, DLinear, NLinear)を導入し、高い効率性と解釈可能性を提供します。LTSF-Linearは、「Are Transformers Effective for Time Series Forecasting?」の公式PyTorch実装です。長期時系列予測タスクにおいてトランスフォーマーを上回る性能を発揮する線形モデルファミリー(Linear, DLinear, NLinear)を導入し、高い効率性と解釈可能性を提供します。

AIモデルとLLM
AI GitHub リポジトリ トップ250を見る

PredictHQ

AI アプリ

PredictHQは、グローバルなイベントデータを統合することでAIと予測を強化するリアルワールドコンテキストプラットフォームです。需要の変化を引き起こすイベントを理解することで、企業の計画と予測を改善します。

予測と予測分析小売・消費財

旅行・ホスピタリティで第47位

ツールを見る

AI アプリ

グローバルなイベントデータを統合することでAIと予測を強化するリアルワールドコンテキストプラットフォームです。需要の変化を引き起こすイベントを理解することで、企業の計画と予測を改善します。PredictHQは、グローバルなイベントデータを統合することでAIと予測を強化するリアルワールドコンテキストプラットフォームです。需要の変化を引き起こすイベントを理解することで、企業の計画と予測を改善します。

予測と予測分析小売・消費財
旅行・ホスピタリティで第47位

Informer2020

AI GitHub リポジトリ

Informer2020 GitHubリポジトリは、効率的な長系列時系列予測のために設計されたInformerモデルのPyTorch実装を提供します。ProbSparse Attentionを特徴とし、自己注意スコアのロングテール分布を処理することで、複雑な予測タスクに対する高度なソリューションを提供します。

AIモデルとLLM
ツールを見る

AI GitHub リポジトリ

Informer2020 GitHubリポジトリは、効率的な長系列時系列予測のために設計されたInformerモデルのPyTorch実装を提供します。ProbSparse Attentionを特徴とし、自己注意スコアのロングテール分布を処理することで、複雑な予測タスクに対する高度なソリューションを提供します。

AIモデルとLLM
AI GitHub リポジトリ トップ250を見る

Nixtlaは、企業向けの時系列予測と異常検知ソリューションを提供します。高度なAI技術を活用し、正確な予測と洞察を提供することで、企業がデータに基づいた意思決定を効果的に行えるよう支援します。

予測と予測分析小売・消費財

エネルギー・公益事業で第7位

ツールを見る

企業向けの時系列予測と異常検知ソリューションを提供します。高度なAI技術を活用し、正確な予測と洞察を提供することで、企業がデータに基づいた意思決定を効果的に行えるよう支援します。Nixtlaは、企業向けの時系列予測と異常検知ソリューションを提供します。高度なAI技術を活用し、正確な予測と洞察を提供することで、企業がデータに基づいた意思決定を効果的に行えるよう支援します。

予測と予測分析小売・消費財
エネルギー・公益事業で第7位
1 / 8