需求人群:
"适用于需要进行时间序列预测的研究人员和开发者,如金融市场分析、销售预测、资源规划等领域。"
使用场景示例:
金融分析师使用Chronos模型预测股票价格走势
零售商利用Chronos进行销售预测以优化库存管理
能源公司通过Chronos模型预测电力需求,以实现更有效的资源分配
产品特色:
时间序列转换为标记序列
使用交叉熵损失训练语言模型
通过采样获得概率性预测
浏览量:159
最新流量情况
月访问量
4.85m
平均访问时长
00:06:25
每次访问页数
6.08
跳出率
35.86%
流量来源
直接访问
52.62%
自然搜索
32.72%
邮件
0.05%
外链引荐
12.34%
社交媒体
2.17%
展示广告
0
截止目前所有流量趋势图
地理流量分布情况
中国
12.55%
德国
3.84%
印度
9.38%
俄罗斯
4.61%
美国
18.64%
基于语言模型架构的预训练时间序列预测模型
Chronos是一系列基于语言模型架构的预训练时间序列预测模型。时间序列通过缩放和量化转换为一系列标记,然后使用交叉熵损失训练语言模型。训练完成后,通过给定历史上下文采样多个未来轨迹,获得概率性预测。Chronos模型已经在大量公开可用的时间序列数据和使用高斯过程生成的合成数据上进行了训练。
由Google Research开发的预训练时间序列预测模型。
TimesFM是一个由Google Research开发的预训练时间序列预测模型,用于时间序列预测任务。该模型在多个数据集上进行了预训练,能够处理不同频率和长度的时间序列数据。其主要优点包括高性能、可扩展性强以及易于使用。该模型适用于需要准确预测时间序列数据的各种应用场景,如金融、气象、能源等领域。该模型在Hugging Face平台上免费提供,用户可以方便地下载和使用。
开源时空基础模型,用于交通预测
OpenCity是一个开源的时空基础模型,专注于交通预测领域。该模型通过整合Transformer架构和图神经网络,有效捕捉和标准化交通数据中的复杂时空依赖关系,实现对不同城市环境的零样本泛化。它在大规模、异构的交通数据集上进行预训练,学习到丰富、可泛化的表示,能够无缝应用于多种交通预测场景。
表情动作生成的扩散概率模型
DreamTalk 是一个使用扩散概率模型生成表情动作的框架。它包含了三个关键组件:降噪网络、风格感知的嘴唇专家和风格预测器。通过扩散概率模型,DreamTalk 能够有效生成具有多样化表达风格的逼真说话人脸,并减少对昂贵的风格参考的依赖。它能够生成具有多种语言和表情风格的照片级说话人脸。
财务预测轻松搞定
FlowCog是一款SaaS财务预测工具,可以帮助您自信地预测公司的增长轨迹。经过投资者的反复验证。它能够分析公司估值、月度重复收入、客户生命周期价值、现金储备、客户获取成本、毛利、EBITDA和净收入、客户生命周期价值与获取成本比率、留存率和流失率、SaaS魔法数字和烧钱倍数等。它提供快速的入门体验,可以进行深入的分析和模拟。与自制模型相比,省去了大量时间和精力。可以根据员工/顾问的年薪和建模时间来计算节省的成本。FlowCog还提供了常见问题解答、博客、联系方式等。
谷歌推出的开源预训练语言模型
Gemma-2b是谷歌推出的开源预训练语言模型系列,提供了多个不同规模的变体。它可以生成高质量的文本,广泛应用于问答、摘要、推理等领域。相比其他同类模型,它模型规模较小,可以部署在不同的硬件环境中。Gemma系列追求安全、高效的人工智能技术,使更多研究者和开发者可以接触前沿的语言模型技术。
时序预测的解码器基础模型
TimesFM是一款基于大型时序数据集预训练的解码器基础模型,具有200亿参数。相较于大型语言模型,虽然规模较小,但在不同领域和时间粒度的多个未见数据集上,其零-shot性能接近最先进的监督方法。TimesFM无需额外训练即可提供出色的未见时间序列预测。
Kats是一个用于时间序列数据分析的轻量级、易于使用的通用框架。
Kats是由Facebook基础设施数据科学团队开发的一个时间序列分析工具包,旨在为数据科学和工程工作提供一站式解决方案。它支持从理解关键统计数据和特征、检测回归和异常,到预测未来趋势等多种功能。Kats的主要优点包括其轻量级、易于使用和可扩展性,适用于各种行业和领域的数据分析师和工程师。
基于 Transformer 的预训练语言模型系列
Qwen1.5 是基于 Transformer 架构的解码器语言模型系列,包括不同规模的模型。具有 SwiGLU 激活、注意力 QKV 偏置、组查询注意力等特性。支持多种自然语言和代码。推荐进行后续训练,如 SFT、RLHF 等。定价免费。
大规模自回归图像模型预训练
这篇论文介绍了AIM,这是一组使用自回归目标进行预训练的视觉模型。这些模型受其文本对应物,即大型语言模型(LLMs)的启发,并表现出类似的扩展特性。具体来说,我们强调了两个关键发现:(1)视觉特征的性能随着模型容量和数据量的增加而提高,(2)目标函数的价值与模型在下游任务上的性能相关。我们通过在20亿张图像上对70亿参数的AIM进行预训练,实现了在ImageNet-1k上使用冻结主干达到84.0%的准确率。有趣的是,即使在这个规模上,我们观察到性能没有饱和的迹象,这表明AIM可能代表了训练大规模视觉模型的新前沿。AIM的预训练类似于LLMs的预训练,并不需要任何图像特定的策略来稳定大规模训练。
使用AI预测汽车的寿命
AutoPredict是第一个使用人工智能来预测汽车寿命的应用程序。通过分析超过1亿个数据点,AutoPredict可以准确估计您的汽车寿命。它可以根据您的汽车数据与已有的数据进行比对,生成准确的预测结果。AutoPredict还提供了统计数据和MOT检查历史记录。
多语言预训练语言模型
「书生·浦语2.0」InternLM2是一个面向中文和英文的大型多语言预训练语言模型。它具有语言理解、自然语言生成、多模式推理、代码理解等强大的能力。模型采用Transformer架构并进行海量数据的预训练,在长文本理解、对话、数学运算等多个方向上都达到了业界领先水平。该系列模型包含多种规模,用户可以选择合适的模型进行下游任务微调或构建聊天机器人等应用。
利用AI算法预测任务耗时,提高规划效率
Estimate AI是一个AI驱动的任务耗时预测工具。它利用先进的机器学习算法分析任务类型和复杂程度,给出高精度的耗时预测,帮助用户更好地规划时间,提高工作效率。该产品适用于软件开发、市场营销、项目管理等多个行业,拥有用户友好的界面,便于不同技术水平的用户使用。
利用AI驱动的预测和智能投注工具来革新体育预测
NeuroBet利用先进的AI为体育预测带来革命性的改变。我们提供由AI驱动的体育预测、正期望值和套利投注机会、独特的回测工具以及投注历史分析,帮助用户做出明智的投注决策。
大型多语言预训练语言模型
Meta Llama 3.1-405B 是由 Meta 开发的一系列大型多语言预训练语言模型,包含8B、70B和405B三种规模的模型。这些模型经过优化的变压器架构,使用监督式微调(SFT)和强化学习与人类反馈(RLHF)进行调优,以符合人类对帮助性和安全性的偏好。Llama 3.1 模型支持多种语言,包括英语、德语、法语、意大利语、葡萄牙语、印地语、西班牙语和泰语。该模型在多种自然语言生成任务中表现出色,并在行业基准测试中超越了许多现有的开源和封闭聊天模型。
第二代多模态预训练对话模型
CogVLM2是由清华大学团队开发的第二代多模态预训练对话模型,它在多个基准测试中取得了显著的改进,支持8K内容长度和1344*1344的图像分辨率。CogVLM2系列模型提供了支持中文和英文的开源版本,能够与一些非开源模型相媲美的性能。
开源的中英双语预训练语言模型
LingoWhale-8B是一个开源的大规模中英双语预训练语言模型,具有强大的自然语言理解和生成能力。它通过在海量高质量中英文数据上进行预训练,可以完成长文本的理解和多轮交互。该模型采用Transformer架构,参数量达80亿。它在多个中文和英文公开基准测试上都取得了领先的效果。LingoWhale-8B完全开放给学术研究使用,个人开发者可以免费用于商业用途。该模型可以广泛应用于聊天机器人、知识问答、文本生成等领域。
AI预测模型,探索未来可能性。
FiveThirtyNine是一个AI预测模型,它通过分析数据和趋势来预测各种事件的概率。这个工具可以应用于政治、健康、法律、技术、网络安全和生物安全等多个领域,为用户提供对未来事件的洞察。它的重要性在于能够帮助人们更好地理解可能发生的情况,并为决策提供数据支持。
深度学习天气预测模型
GraphCast是由Google DeepMind开发的深度学习模型,专注于全球中期天气预报。该模型通过先进的机器学习技术,能够预测天气变化,提高预报的准确性和速度。GraphCast模型在科学研究中发挥重要作用,有助于更好地理解和预测天气模式,对气象学、农业、航空等多个领域具有重要价值。
多令牌预测模型,提升语言模型的效率与性能
multi-token prediction模型是Facebook基于大型语言模型研究开发的技术,旨在通过预测多个未来令牌来提高模型的效率和性能。该技术允许模型在单次前向传播中生成多个令牌,从而加快生成速度并可能提高模型的准确性。该模型在非商业研究用途下免费提供,但使用时需遵守Meta的隐私政策和相关法律法规。
预测销售和营销的AI
Toplyne是一个预测销售和营销的AI平台。它可以预测新客户、扩展销售、交叉销售和有风险客户等情况。Toplyne的AI模型通过学习您的客户数据来进行预测,无需进行任何工程化。定价和更多信息,请访问官方网站。
大规模基础模型,革新大气预测
Aurora 是由微软研究院开发的大规模基础模型,它利用超过百万小时的多样化天气和气候数据进行训练。Aurora 利用基础模型方法的优势,为各种大气预测问题提供操作性预测,包括那些训练数据有限、变量异质性和极端事件的问题。Aurora 能在不到一分钟内生成5天的全球空气污染预测和10天的高分辨率天气预报,性能超越了最先进的传统模拟工具和最好的专业深度学习模型。这些结果表明,基础模型可以改变环境预测。
AI未来宝宝预测,提前遇见您的宝宝
Baby Generator是一款利用先进AI技术预测未来宝宝可能长相的网站。它通过复杂的算法和精确的面部识别技术,为用户提供高度准确的宝宝外观预测。该技术不仅能够捕捉微妙的遗传特征,还能呈现令人惊叹的真实结果。Baby Generator不仅是一个图像生成工具,更是连接现在与未来的一座情感桥梁,帮助准父母提前体验家庭生活的乐趣。
开源多模态预训练模型,具备中英双语对话能力。
GLM-4V-9B是智谱AI推出的新一代预训练模型,支持1120*1120高分辨率下的中英双语多轮对话,以及视觉理解能力。在多模态评测中,GLM-4V-9B展现出超越GPT-4-turbo-2024-04-09、Gemini 1.0 Pro、Qwen-VL-Max和Claude 3 Opus的卓越性能。
文档智能的视觉引导生成文本布局预训练模型
ViTLP是一个视觉引导的生成文本布局预训练模型,旨在提高文档智能处理的效率和准确性。该模型结合了OCR文本定位和识别功能,能够在文档图像上进行快速准确的文本检测和识别。ViTLP模型的预训练版本ViTLP-medium(380M参数)在计算资源和预训练数据集规模的限制下,提供了一个平衡的解决方案,既保证了模型的性能,又优化了推理速度和内存使用。ViTLP的推理速度在Nvidia 4090上处理一页文档图像通常在5到10秒内,与大多数OCR引擎相比具有竞争力。
© 2025 AIbase 备案号:闽ICP备08105208号-14