BriefGPT - AI 论文速递
·
Time-FFM: 面向时间序列预测的基于 LM 增强的联邦基础模型
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
研究者提出了一种基于预训练模型的联邦时间序列预测模型，通过将时间序列转化为文本标记的形式来进行推理，并采用个性化联邦训练策略，取得了比现有方法更好的性能，有望实现有效的少样本和零样本预测。
🎯
关键要点
- 研究者提出了一种基于预训练模型的联邦时间序列预测模型，称为Time-FFM。
- 该模型通过将时间序列转化为文本标记的形式进行推理。
- 采用个性化联邦训练策略，提升了模型性能。
- 模型在少样本和零样本预测方面表现出良好的潜力。
➡️
