Project Icon

granite-timeseries-ttm-r2

IBM开源轻量级模型TTM引领时间序列预测新方向

IBM Research开源的TinyTimeMixers (TTM)模型仅需1M参数,就能在多变量时间序列预测中超越数十亿参数的基准。TTM支持零样本预测,也可用少量数据微调达到竞争性能。适用于分钟至小时级别的点预测,轻量快速,单GPU或笔记本即可运行。TTM为时间序列预测带来新方向,尤其适合资源受限环境。

test-ttm-v1 - 开源时间序列预测模型 高效预测基础
GithubHuggingfaceTinyTimeMixer基础模型开源项目时间序列模型预测预训练模型
Test TinyTimeMixer (TTM)是一个开源的时间序列预测基础模型。这个项目利用预训练方法,为时间序列分析提供了有力支持。TTM致力于提升时间序列预测的效率和准确性,可应用于多种时间相关的数据分析场景。作为开源项目,它遵循Apache 2.0许可证,并在Hugging Face平台上提供。TTM为研究人员和数据科学家提供了一个探索和优化时间序列预测技术的平台。
chronos-t5-mini - 开源时间序列预测模型实现高效概率预测
Chronos-T5GithubHuggingface开源项目时间序列预测概率预测模型语言模型预训练模型
Chronos-T5-Mini是基于T5架构开发的时间序列预测模型,参数规模为2000万。模型通过将时间序列转换为token序列进行训练,采用多轨迹采样方式实现概率预测。模型在公开时间序列数据集和高斯过程生成的合成数据上完成预训练,采用4096大小的词汇表,相比原始T5模型显著降低了参数量同时保持了预测性能。
chronos-t5-tiny - 轻量级时间序列预测模型 基于T5架构设计
Chronos-T5GithubHuggingface开源项目时间序列预测概率预测模型语言模型架构预训练模型
Chronos-T5-Tiny是一款轻量级时间序列预测模型,基于T5架构设计。该模型将时间序列转换为token序列进行训练,能够生成概率性预测并支持多轨迹采样。与原始T5相比,Chronos-T5-Tiny仅使用4096个不同token,参数量减少至800万,更加精简高效。研究人员和开发者可通过简洁的Python接口快速应用此模型进行时间序列分析。
chronos-t5-tiny - 轻量级预训练时间序列预测模型
Chronos-T5GithubHuggingface开源项目时间序列预测概率预测模型语言模型预训练模型
Chronos-T5-Tiny是基于T5架构的轻量级预训练时间序列预测模型,拥有800万参数。它将时间序列转换为token序列进行训练,可生成概率性预测。该模型在大量公开和合成时间序列数据上训练,能处理多种预测任务,适合快速部署和推理。作为Chronos系列的一员,它为时间序列分析提供了高效的解决方案。
chronos-t5-mini - 基于T5架构的轻量级时间序列预测模型
Chronos-T5GithubHuggingface基础模型开源项目时间序列预测概率预测模型预训练模型
Chronos-T5-Mini是一款基于T5架构的预训练时间序列预测模型,拥有2000万参数。该模型将时间序列转换为token序列进行训练,可生成概率性预测。Chronos-T5-Mini在大量公开时间序列数据和合成数据上训练,适用于多种时间序列预测任务。通过Chronos Pipeline,研究人员和开发者可以便捷地使用该模型进行推理,获得精确的预测结果。
timesfm - 谷歌研究院开发的时间序列预测基础模型
GithubTimesFM基础模型开源项目时间序列预测深度学习
TimesFM是谷歌研究院开发的时间序列预测基础模型,支持多种时间频率的单变量预测。模型可处理最长512个时间点的上下文和任意长度的预测范围,提供简单的API接口支持数组和pandas输入。通过外部回归器库,TimesFM能处理静态和动态协变量。此外,该模型支持微调功能,允许用户在自有数据上优化性能。
Large-Time-Series-Model - 大规模生成式预训练时间序列模型
GithubTimerTransformer大规模数据集开源项目时间序列模型预训练
Timer是一款基于生成式预训练Transformer的大规模时间序列模型。该模型在包含10亿时间点的UTSD数据集上预训练,可用于预测、插值和异常检测等多项任务。Timer采用解码器架构,支持灵活序列长度,在少样本场景下表现优异。项目开源了模型代码、数据集和预训练权重,为时间序列大模型研究奠定基础。
modeltime - R语言时间序列预测框架 整合机器学习与传统方法
GithubR语言modeltime工作流开源项目时间序列预测机器学习
modeltime是R语言的时间序列预测框架,简化了预测工作流程,整合机器学习和传统分析方法。支持ARIMA、ETS、Prophet等模型,可与tidymodels生态系统集成。通过6步流程,用户可快速构建、评估和部署预测模型,适用于高性能时间序列分析。框架还包括modeltime.h2o用于AutoML、modeltime.gluonts用于深度学习,以及modeltime.ensemble用于集成预测。这些组件共同构成了一个全面的时间序列分析生态系统,为不同规模和复杂度的预测任务提供解决方案。
chronos-t5-small - T5架构预训练时间序列模型 实现概率性多轨迹预测
Chronos-T5GithubHuggingface开源项目时间序列预测概率预测模型语言模型预训练模型
Chronos-t5-small是一个基于T5架构的预训练时间序列预测模型,参数量为4600万。该模型将时间序列转换为token序列进行训练,可生成多个未来轨迹的概率性预测。模型训练数据包括公开数据集和高斯过程生成的合成数据。它支持GPU加速和bfloat16精度,适用于多种时间序列预测场景。与原始T5模型相比,Chronos-t5-small采用更小的词汇表(4096个token),提高了计算效率。
chronos-t5-small - 基于T5架构的时间序列预测模型
Chronos-T5GithubHuggingface开源项目时间序列预测概率预测模型语言模型架构预训练模型
Chronos-T5-Small是一款基于T5架构的预训练时间序列预测模型。该模型将时间序列转换为标记序列,通过交叉熵损失训练语言模型实现预测。经过大量公开时间序列数据和合成数据的训练,Chronos-T5-Small能够生成概率性预测结果。作为Chronos系列中的中等规模版本,这个拥有4600万参数的模型适用于多种时间序列预测任务。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号