« TimesFM » : différence entre les versions
Aucun résumé des modifications |
Aucun résumé des modifications |
||
(2 versions intermédiaires par 2 utilisateurs non affichées) | |||
Ligne 1 : | Ligne 1 : | ||
== Définition == | == Définition == | ||
TimeFM est un '''[[modèle fondateur]]''' | TimeFM est un nom propre qui désigne un '''[[modèle fondateur]]''' disponible selon une licence d'innovation libre basé sur l'autoattention ainsi que sur l'encodage positionnel. Il est utilisé comme outil pour la '''[[prévision des séries chronologiques]]''' univariée et il possède d'excellentes capacités de prévision zéro-coup. | ||
Voir aussi '''[[apprentissage zéro-coup]]''' et '''[[modèles fondateurs pour les séries chronologiques]]''' | Voir aussi '''[[apprentissage zéro-coup]]''' et '''[[modèles fondateurs pour les séries chronologiques]]''' | ||
Ligne 14 : | Ligne 14 : | ||
==Sources== | ==Sources== | ||
[https://arxiv.org/abs/2403.14735 Source : arxiv] | [https://arxiv.org/abs/2403.14735 Source : arxiv] | ||
[https://cloud.google.com/learn/what-is-time-series?hl=en Source : Google Cloud] | |||
[https://vivekupadhyay1.medium.com/timesfm-how-googles-pre-trained-model-can-revolutionize-time-series-forecasting-c0ac2e579d62 Source : Google Research] | [https://vivekupadhyay1.medium.com/timesfm-how-googles-pre-trained-model-can-revolutionize-time-series-forecasting-c0ac2e579d62 Source : Google Research] | ||
Ligne 19 : | Ligne 21 : | ||
[https://vivekupadhyay1.medium.com/timesfm-how-googles-pre-trained-model-can-revolutionize-time-series-forecasting-c0ac2e579d62 Source : Medium] | [https://vivekupadhyay1.medium.com/timesfm-how-googles-pre-trained-model-can-revolutionize-time-series-forecasting-c0ac2e579d62 Source : Medium] | ||
[[Catégorie:ENGLISH]] | |||
[[Catégorie: | [[Catégorie:GRAND LEXIQUE FRANÇAIS]] |
Dernière version du 4 novembre 2024 à 11:12
Définition
TimeFM est un nom propre qui désigne un modèle fondateur disponible selon une licence d'innovation libre basé sur l'autoattention ainsi que sur l'encodage positionnel. Il est utilisé comme outil pour la prévision des séries chronologiques univariée et il possède d'excellentes capacités de prévision zéro-coup.
Voir aussi apprentissage zéro-coup et modèles fondateurs pour les séries chronologiques
Français
TimesFM
Anglais
TimesFM
TimesFM is an open-source foundation model and decoder only model based on self-attention and positional encoding. It is used as a tool for univariate time-series forecasting and it has strong zero-shot forecasting capabilities.