¡Los modelos básicos de series temporales finalmente están despegando!
Los artículos anteriores exploraron 2 modelos de pronóstico básicos prometedores, TimeGPT y HorariosFM.
Este artículo explorará MOIRAI [1]un modelo básico de TS innovador de Salesforce. MOIRAI es increíble en términos de rendimiento, pero lo más importante es que los autores se han comprometido a abrir el modelo y su conjunto de datos de entrenamiento.
Esto se menciona en un tweet. aquí por Caiming Xiong, vicepresidente de IA en Salesforce y uno de los autores del artículo
Las principales contribuciones de este trabajo son las siguientes:
- MOIRAI: Una novedosa arquitectura transformador-codificador, que funciona como un modelo universal de pronóstico de series temporales.
- MUCHO (Archivo grande de series temporales abiertas): La colección más grande de conjuntos de datos de series temporales abiertas con 27 mil millones de observaciones en 9 dominios.
- UNIDADES: una biblioteca de código abierto para entrenar modelos de series temporales universales.
Además, este artículo analiza:
- Cómo MOIRAI funciona y por qué es un modelo poderoso.
- Cómo MOIRAI funciona en comparación con TimesFM de Google
- MOIRAI resultados de referencia.
- Por qué MOIRAI revolucionará el campo de la previsión TS.
Empecemos.
he lanzado Pronóstico del horizonte de IA, un boletín que se centra en series temporales e investigaciones innovadoras en IA. Suscribir aquí para ampliar tus horizontes!
Describimos los desafíos en detalle aquí. En resumen, estos son:
- Dificultad para encontrar datos públicos de series temporales – para entrenar un modelo básico de series de tiempo.
- Los datos de series temporales son muy heterogéneos – a diferencia de la PNL, donde los datos tienen una gramática y un vocabulario bien definidos.
- Las series de tiempo pueden ser multivariadas – a diferencia de la PNL, donde la entrada es unidimensional.
- Las series temporales tienen diferentes granularidades — diario, semanal, mensual, etc.