TimeFound：时间序列预测的基础模型
机器学习
2025-03-07 v1
摘要
我们提出了 TimeFound，一个基于编码器-解码器 Transformer 的时间序列基础模型，用于开箱即用的零样本预测。为了处理来自不同领域的时间序列数据，TimeFound 采用多分辨率分块策略来捕获多个尺度上的复杂时间模式。我们使用两个规模（2 亿和 7.1 亿参数）在大规模时间序列语料库上进行了预训练，该语料库包含真实世界和合成数据集。在涵盖多个领域和预测范围的未见数据集上的经验评估表明，TimeFound 可以实现优于或与最先进的时间序列基础模型相竞争的零样本预测性能。
引用
@article{arxiv.2503.04118,
title = {TimeFound: A Foundation Model for Time Series Forecasting},
author = {Congxi Xiao and Jingbo Zhou and Yixiong Xiao and Xinjiang Lu and Le Zhang and Hui Xiong},
journal= {arXiv preprint arXiv:2503.04118},
year = {2025}
}