热门标签
热门文章
- 1从“四舍五入”到“奇进偶舍”_round to nearest ties to even
- 2centos8下安装docker_centos8安装docker
- 3在Git中，如何『删除』commit？_git delete commit
- 4Python绘制漫画人物_简单编程漫画人物python
- 5OpenCvSharp 遇到的Unable to load DLL ‘OpenCvSharpExtern‘ 如何解决_dllnotfoundexception: unable to load dll 'opencvsh
- 6XML的三大解析方式解析_解析xml文件的三种方式
- 7分享75个ASP江湖论坛源码，总有一款适合您_互动力量论坛
- 8QStackedWidget 的高级使用方法_qstackedwidget用法
- 9已解决 javax.xml.transform.TransformerFactoryConfigurationError 异常的正确解决方法，亲测有效！！！_tomcat9.0启动时报错javax.xml.transform.transformerfacto
- 10大数据进阶之路——Spark SQL日志分析_spark 捕获异常sql语句
当前位置: article > 正文
论文笔记：Time-LLM: Time Series Forecasting by Reprogramming Large Language Models_time-llm模型
作者：木道寻08 | 2024-08-07 15:22:41
赞
踩
time-llm模型
iclr 2024 reviewer 评分 3888
1 方法
- 提出了 Time-LLM，
- 是一个通用的大模型重编程（LLM Reprogramming）框架
- 将 LLM 轻松用于一般时间序列预测，而无需对大语言模型本身做任何训练
为什么需要时序数据和文本数据对齐：时序数据和文本数据在表达方式上存在显著差异，两者属于不同的模态。时间序列既不能直接编辑，也不能无损地用自然语言描述
gpt2和llama1
3 实验
3.1 实验结果
3.2 few-shot 实验结果
3.3 zero-shot 结果
3.4 ablation study
声明：本文内容由网友自发贡献，转载请注明出处：【wpsshop】
推荐阅读
相关标签
