ant-intl/Falcon-TST

해결하는 문제

단변량 및 다변량 시계열을 포함한 다양한 유형의 데이터에 대해 시간 시리즈 예측의 정확성과 효율성을 높이기 위해 설계된 대규모 기초 모델 패밀리를 제공합니다.

작동 방식

이 프로젝트는 세 가지 서로 다른 모델 아키텍처를 제공합니다:

• Falcon-2.0: Omni-Range Bootstrap Incremental Training (ORBIT) 기반의 단변량 인코더 전용 모델입니다.
• Falcon-X: 다양한 변수를 처리하기 위해 공유 잠재 프로토타입 공간과 이중 의존성 모델링을 사용하는 다변량 모델입니다.
• Falcon-1.0: 패치 단위의 전문가 전문화와 샘플 단위의 계층적 라우팅을 결합한 계층형 혼합 전문가(MoE) 모델입니다.

대상 사용자

시간 시리즈 예측 작업을 수행하는 데이터 과학자 및 ML 엔지니어로, 광범위한 데이터셋에 적용 가능한 사전 학습된 기초 모델이 필요하며, 광범위한 맞춤 학습 없이도 사용할 수 있는 사람들을 대상으로 합니다.

주요 특징

• 다양한 모델 패밀리: 단변량(Falcon-2.0) 및 다변량(Falcon-X) 예측을 지원합니다.
• 분위수 예측: 통합 클라이언트 API를 통해 분위수 기반 예측 기능을 제공합니다.
• 확장 가능한 아키텍처: 혼합 전문가(MoE) 및 ORBIT 학습 방식과 같은 고급 기술을 활용합니다.