Описание
TimesFM 3.0 — это сложная модель для временных рядов, разработанная Google Research, направленная на повышение точности и эффективности прогнозирования временных рядов. Эта модель является частью инициативы Google по продвижению искусственного интеллекта через открытый код и открытые науки. TimesFM 3.0 построена на архитектуре Stacked Mixing Transformer с вариативным вниманием и итеративным RevIN CPM, включает 20 слоев трансформеров с размером модели 1280 и 16 голов. Модель была предобучена с использованием разнообразного набора данных, включая GiftEvalPretrain, просмотры страниц Википедии и топовые запросы Google Trends, что обеспечивает всестороннее понимание данных временных рядов.
Читать далее
Модель выпущена под лицензией TimesFM Non-Commercial License v1.0, что делает ее доступной для некоммерческого использования. Она предназначена для обработки сложных данных временных рядов с длиной контекстного патча 32 и длиной патча горизонта прогноза 64. Квантили модели установлены с медианой на индексе 4, что обеспечивает надежную основу для задач прогнозирования.
TimesFM 3.0 приобрела значительную популярность, с более чем миллионом загрузок только за последний месяц, что свидетельствует о ее популярности и эффективности в сообществе ИИ. Она интегрирована в 19 различных пространств, демонстрируя свою универсальность и адаптивность в различных приложениях.
Эта модель особенно полезна для исследователей и разработчиков, работающих в областях, требующих точного прогнозирования временных рядов, таких как финансы, прогнозирование погоды и управление цепочками поставок. Используя возможности TimesFM 3.0, пользователи могут достигать более точных прогнозов и инсайтов, что в конечном итоге способствует улучшению процессов принятия решений.
- КатегорияПрогнозирование и предиктивная аналитика
- Модель ценообразованияОткрытый код
- РазвёртываниеОблако
- ПлатформыВеб
Главное о TimesFM 3.0 (PyTorch)
Предобученная модель для временных рядов
Архитектура Stacked Mixing Transformer
Вариативное внимание и итеративный RevIN CPM
20 слоев трансформеров
Размер модели: 1280
16 голов
Длина контекстного патча: 32
Длина патча горизонта прогноза: 64
Начало работы с TimesFM 3.0 (PyTorch)
Получите доступ к модели: посетите Hugging Face
Аутентификация: используйте свои учетные данные
Настройте окружение: настройте PyTorch
Интеграция через API: используйте предоставленные конфигурации
Оптимизация: настройте параметры для конкретных случаев использования
Варианты использования TimesFM 3.0 (PyTorch)
- Финансовое прогнозирование
- Прогнозирование погоды
- Управление цепочками поставок
- Потребление энергии
- Аналитика в здравоохранении
