Google a publié TimesFM 2.0, un modèle pré-entraîné pour la prévision de séries chronologiques, une mise à jour majeure conçue pour améliorer la précision des prévisions et promouvoir le domaine de l'intelligence artificielle. TimesFM 2.0 est partagé via open source et est pratique à utiliser pour les chercheurs et les développeurs. Le modèle peut gérer des séries chronologiques univariées jusqu'à 2 048 points temporels, prend en charge n'importe quelle période de prévision et dispose de solides capacités de prévision. Ses données de formation couvrent plusieurs domaines, tels que l'énergie, les transports, etc., offrant une riche base d'apprentissage pour le modèle. L'émergence de TimesFM 2.0 améliorera considérablement l'efficacité et la précision des prévisions de séries chronologiques et fournira des outils d'analyse de données plus puissants pour tous les horizons.
Le modèle TimesFM2.0 possède des fonctions puissantes et peut gérer des prévisions de séries chronologiques univariées jusqu'à 2 048 points temporels, et prend en charge n'importe quelle période de prévision.
Il convient de noter que bien que le modèle soit formé avec une longueur de contexte maximale de 2 048, dans les applications pratiques, des contextes plus longs peuvent être traités. Le modèle se concentre sur la prédiction ponctuelle, tandis que 10 têtes quantiles sont fournies expérimentalement, mais celles-ci n'ont pas été calibrées après le pré-entraînement.
En termes de pré-formation des données, TimesFM2.0 contient une combinaison de plusieurs ensembles de données, y compris l'ensemble de pré-formation de TimesFM1.0 et des ensembles de données supplémentaires de LOTSA. Ces ensembles de données couvrent plusieurs domaines, tels que la charge électrique résidentielle, la production d'énergie solaire, la circulation, etc., fournissant ainsi une base riche pour la formation de modèles.
Grâce à TimesFM2.0, les utilisateurs peuvent plus facilement effectuer des prévisions de séries chronologiques et promouvoir le développement de diverses applications, notamment les ventes au détail, les tendances boursières, le trafic sur les sites Web et d'autres scénarios, la surveillance environnementale, le transport intelligent et d'autres domaines.
Entrée du modèle : https://huggingface.co/google/timesfm-2.0-500m-pytorch
Souligner:
TimesFM2.0 est un nouveau modèle de prédiction de séries chronologiques lancé par Google, axé sur l'amélioration de la précision de la prédiction des séries chronologiques.
Le modèle prend en charge les prévisions jusqu'à 2 048 points temporels et peut gérer n'importe quelle période de prévision.
Les utilisateurs peuvent choisir librement la fréquence de prédiction en fonction de différentes caractéristiques de séries chronologiques pour améliorer la flexibilité de la prédiction.
Dans l'ensemble, TimesFM 2.0, avec ses fonctions puissantes et sa facilité d'utilisation, apportera de nouvelles avancées dans le domaine de la prévision des séries chronologiques et sera largement utilisé dans diverses industries. Dans l’attente de son développement et de ses applications futures.