Timestral-209M

Chronos-2 — 時系列予測モデル

AI モデル

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。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。

TimesFM 3.0 (PyTorch)

AI モデル

Google Researchによって開発された事前学習済みの時系列基盤モデルです。時系列予測のために設計されており、PyTorchの重みと設定が利用可能です。TimesFM 3.0は、Google Researchによって開発された事前学習済みの時系列基盤モデルです。時系列予測のために設計されており、PyTorchの重みと設定が利用可能です。

PatchTST

AI モデル

Transformerベースのモデルの公式実装であり、長期時系列予測に特化しています。時系列データをパッチに分割し、それらを独立して処理することで、効率的かつ効果的な予測を実現します。本プロジェクトは、教師あり学習と自己教師あり学習の両方のアプローチに対応したコードを提供し、堅牢な予測能力を可能にします。PatchTSTは、Transformerベースのモデルの公式実装であり、長期時系列予測に特化しています。時系列データをパッチに分割し、それらを独立して処理することで、効率的かつ効果的な予測を実現します。本プロジェクトは、教師あり学習と自己教師あり学習の両方のアプローチに対応したコードを提供し、堅牢な予測能力を可能にします。

TimesNet

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。

Prophet

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。

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。

NVIDIA Nemotron 3 Ultra

AI モデル

複雑な推論と多言語タスクのために設計された強力なAIモデルです。5500億のパラメータを持ち、長文コンテキスト分析とツール使用に優れており、さまざまな業界での高リスクアプリケーションに最適です。NVIDIA Nemotron 3 Ultraは、複雑な推論と多言語タスクのために設計された強力なAIモデルです。5500億のパラメータを持ち、長文コンテキスト分析とツール使用に優れており、さまざまな業界での高リスクアプリケーションに最適です。

GluonTS

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。