ant-intl/Falcon-TST

解决的问题

Falcon-TST 提供了一套大规模基础模型，旨在提高时间序列预测的效率和准确性。它满足了对能够处理单变量（单一变量）和复杂多变量（多变量）时间序列数据的稳健模型的需求。

工作原理

该项目提供了三种不同的模型架构：

• Falcon-2.0：一种单变量、仅编码器模型，利用名为 ORBIT 的增量训练方法。
• Falcon-X：一种多变量模型，通过使用共享潜在原型空间和双重依赖建模来管理异构数据。
• Falcon-1.0：一种分层专家混合模型，结合了补丁级专家专业化和样本级路由。

用户可以通过统一的 Python 客户端与这些模型进行交互，该客户端处理分位数预测并支持缺失数据的输入掩码。

适用人群

该库旨在为从事时间序列分析的数据科学家、研究人员和工程师提供服务，他们需要预训练的基础模型来生成准确的预测，而无需从头开始构建模型。

亮点

• 提供用于访问多个时间序列基础模型的统一 API。
• 支持单变量和多变量预测任务。
• 内置支持通过输入掩码处理缺失数据。
• 基于 PyTorch 构建，并与标准 Python 环境兼容。