Descubre TimeGS, un innovador marco que transforma el pronóstico de series temporales en un problema de renderizado 2D con Gaussian Splatting, logrando resultados de vanguardia.
Descubre Trio, un innovador modelo que combina atención temporal-espacial-muestral y prioridades causales para mejorar la precisión en el pronóstico de series temporales multivariables.
Mejora un 40% el pronóstico de series temporales y acelera el rendimiento un 2314% con tokenización Byte Pair. Decodificación condicional sin coste.
FAiT: Transformer invertido que corrige el sesgo de baja frecuencia en pronóstico de series temporales multivariadas con modulación dinámica
Descubre ODTQA-FoRe, el primer dataset para preguntas tabulares con predicción futura. TimeFore combina LLM y modelos de series temporales para pronósticos precisos en datos inmobiliarios.
Descubre FreqLite, un modelo ligero de descomposición frecuencial que supera a Transformers en pronóstico a largo plazo con 4 veces menos parámetros.