خداحافظ ، مدل های محاسبه گرسنه-این هوش مصنوعی کوچک آینده پیش بینی است

جدول پیوندها

5 نتیجه گیری و کار آینده

با توجه به تنوع و در دسترس بودن محدود داده های قبل از ترحم عمومی ، مدل های بزرگ قبل از آموزش برای یادگیری انتقال مؤثر ، چالش های مختلفی را در سری زمانی ایجاد می کند. از این رو ، ما TTM را پیشنهاد می کنیم ، یک مدل میکسر زمان چند سطحی که برای پیش از کارآمد در مجموعه داده های چند وضوح محدود طراحی شده است. TTM به نتایج پیشرفته در پیش بینی صفر/چند ضربه ای دست می یابد ، بهره وری محاسباتی قابل توجهی را ارائه می دهد و از متغیرهای متقابل کانال و اگزوژن پشتیبانی می کند-ویژگی های مهم فاقد روش های محبوب موجود. با پیشروی ، ما قصد داریم رویکرد خود را به بسیاری از کارهای پایین دست دیگر فراتر از پیش بینی برای یک رویکرد کاملاً بنیادی در سری های زمانی گسترش دهیم.

منابع

[Devlin et al., 2018] Jacob Devlin ، Ming-Wei Chang ، Kenton Le و Kristina Toutanova. BERT: پیش از دوره دو طرفه عمیق …