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。
本研究分析了时空图神经网络在长期交通预测中的适应性不足,提出了一种基于主成分分析的嵌入方法,以提高模型的灵活性和跨城市的零-shot预测能力。
完成下面两步后,将自动完成登录并继续当前操作。