PulseAugur
中
实时 05:19:15
English(EN) Reverso: Efficient Time Series Foundation Models for Zero-shot Forecasting

Reverso：用于零样本预测的高效时间序列基础模型

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了Reverso，这是一个新的高效时间序列基础模型系列，专为零样本预测而设计。与依赖大型Transformer和数亿参数的先前模型不同，Reverso采用了更小的混合模型，该模型交织了卷积层和线性RNN层。这些更紧凑的模型，例如DeltaNet，可以实现与大型模型相当的性能，同时效率更高且成本效益更高。该开发还结合了数据增强和推理策略，以进一步增强预测能力。 AI

影响 提供了一种更有效的时间序列预测方法，有可能降低计算成本并提高各种应用的可访问性。

排序理由 该项目是一篇研究论文，详细介绍了新的模型架构及其性能。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

Reverso：用于零样本预测的高效时间序列基础模型

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Xinghong Fu, Yanhong Li, Georgios Papaioannou, Yoon Kim ·

    Reverso：用于零样本预测的高效时间序列基础模型

    arXiv:2602.17634v2 Announce Type: replace-cross Abstract: Learning time series foundation models has been shown to be a promising approach for zero-shot time series forecasting across diverse time series domains. Insofar as scaling has been a critical driver of performance of fou…

相关实体

相关话题