基础模型不仅限于ChatGPT,预训练模型在计算机视觉和自然语言处理领域已有应用。现在,这种方法正在重塑时间序列预测,通过在大规模时间数据上预训练,提供强大的零-shot预测能力。文章介绍了五种时间序列基础模型,包括Chronos-2、TiRex、TimesFM、IBM Granite TTM R2和Toto Open Base 1,强调它们在多变量预测中的优势和应用场景。
本文综述Transformer在时空预测中的应用,涵盖雷达回波外推、多变量长期预测、脑电超分辨率、频域多元预测、ENSO预测、季节趋势分解、图像去雨及风电预测等任务。
完成下面两步后,将自动完成登录并继续当前操作。