TEMPO是一种基于GPT-2架构的时间序列预测模型,通过提示工程实现高效预测。
下载量 1,885
发布时间 : 6/23/2024
模型简介
TEMPO利用生成式预训练Transformer(GPT-2)架构进行时间序列预测,通过创新的提示工程技术提高预测准确性。
模型特点
基于提示的时间序列预测
采用创新的提示工程技术,将时间序列预测任务转化为适合GPT-2架构的形式
生成式预训练架构
利用GPT-2的生成能力进行时间序列预测,无需专门设计预测模型
高效预测
通过预训练模型实现快速准确的时间序列预测
模型能力
时间序列预测
多步预测
基于历史数据的未来值生成
使用案例
经济金融
股票价格预测
预测未来股票价格走势
能源
电力负荷预测
预测未来电力需求
精选推荐AI模型
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型,性能媲美GPT-3.5-turbo,优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型
Transformers

支持多种语言
L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型,专为边缘设备推理设计,体积仅为Cosmo-3B模型的2%左右。
对话系统
Transformers

英语
C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型,适用于从给定文本中提取答案的任务。
问答系统
中文
R
uer
2,694
98
AIbase是一个专注于MCP服务的平台,为AI开发者提供高质量的模型上下文协议服务,助力AI应用开发。
简体中文