IBM Research paskelbė Granite Time Series PatchTST-FM-r2 – atnaujintą iš anksto apmokytą laiko eilučių prognozavimo modelį. Jis skirtas prognozėms rengti be atskiro mokymo kiekvienam duomenų rinkiniui. Tarp aprašytų galimybių yra tikimybinės prognozės ir trūkstamų reikšmių atkūrimas.
IBM pateikė modelio svorius, architektūrą, vykdymo grandinę bei kodą, leidžiantį atkurti skelbiamų testų rezultatus. Modeliui siūlomos Apache 2.0 arba OpenMDW 1.0 licencijos. Bendrovė taip pat skelbia jo rezultatus GIFT-Eval palyginime, aiškiai išskirdama vertinimo datą ir modelių grupę, su kuria lyginama.
INVIS vertinimu, verslui ši kryptis aktuali planuojant paklausą, pajėgumus ar energijos suvartojimą. Atviri komponentai leidžia išbandyti modelį savo aplinkoje ir patikrinti jo elgesį. Prieš naudojant prognozes sprendimams, svarbu palyginti jas su paprastu baziniu metodu bei patikrinti, kaip modelis elgiasi pasikeitus sezonui ar atsiradus duomenų spragų.
Kodėl tai svarbu?
Iš anksto parengtas prognozavimo modelis gali sumažinti bandymo pradžios sąnaudas, o atviri komponentai leidžia tikrinti rezultatų atkuriamumą.
