TimeGPT-1

要約

この論文では、トレーニング中には見ら​​れない多様なデータセットに対して正確な予測を生成できる、時系列の最初の基礎モデルである TimeGPT を紹介します。
私たちは、確立された統計、機械学習、深層学習の手法に対して事前トレーニングされたモデルを評価し、TimeGPT ゼロショット推論がパフォーマンス、効率、シンプルさの点で優れていることを実証しました。
私たちの研究は、人工知能の他の領域からの洞察が時系列分析に効果的に適用できることを示す説得力のある証拠を提供します。
私たちは、大規模な時系列モデルは、深層学習における現代の進歩の機能を活用することで、正確な予測へのアクセスを民主化し、不確実性を軽減する素晴らしい機会を提供すると結論付けています。

要約(オリジナル)

In this paper, we introduce TimeGPT, the first foundation model for time series, capable of generating accurate predictions for diverse datasets not seen during training. We evaluate our pre-trained model against established statistical, machine learning, and deep learning methods, demonstrating that TimeGPT zero-shot inference excels in performance, efficiency, and simplicity. Our study provides compelling evidence that insights from other domains of artificial intelligence can be effectively applied to time series analysis. We conclude that large-scale time series models offer an exciting opportunity to democratize access to precise predictions and reduce uncertainty by leveraging the capabilities of contemporary advancements in deep learning.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google