# \#prophet **URL:** https://discuss.pytorch.kr/tag/prophet/3150.md [최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md) --- ## [Moirai: 다양한 예측을 위한 시계열 파운데이션 모델 (feat. Salesforce)](https://discuss.pytorch.kr/t/moirai-feat-salesforce/4395)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [5월 18, 2024, 3:53오후 UTC](https://discuss.pytorch.kr/t/moirai-feat-salesforce/4395 "2024-05-18T15:53:37Z")
Moirai: 다양한 예측을 위한 시계열 파운데이션 모델 (feat. Salesforce) 요약 Moirai는 범용 예측 기능을 제공하는 최첨단 시계열 기초 모델입니다. 여러 도메인, 주파수 및 변수에 걸쳐 다양한 예측 작업을 제로 샷 방식으로 처리할 수 있는 다목적 시계열 예측 모델이라는 점이 특징입니다. 이를 위해 Moirai(모이라이)는 (i) 9개 영역에 걸쳐 270억 개의 관측치로 구성된 대규모의 다양한 시계열 데이터 세트인 LOTSA 구축, (ii) 단일 모델이 다양한 주파수에 걸쳐 시간적 패턴을 포착할 수 있는 다중 패치 크기 투영 레이어 개발, (iii) 단일 모델이 모든 변수에 대한 예측을 처리할 수 있는 임의 변수 주의 메커니즘 구현, (iv) 유연한 예측 분포 모델을 위한 혼합 분포 통합의 네 가지 주요 과제를 해결하고 있습니다. 분포 내 및 분포 외 환경 모두에서 종합적인 평가를 통해 Moirai는 풀샷 모델에 비해 경쟁력이 있거나 우수한 성능을 일관되게 제공함으로써 제로샷 예측자로서의 역량을 입증했습니다. 소개 Moirai는 범용 시계열 예측 모델로, 다양한 도메인과 빈도의 데이터를 하나의 모델로 처리합니다. 기존의 시계열 모델은 특정 데이터셋에 맞춰 훈련되었지만, Moirai는 대규모 데이터셋 LOTSA를 활용하여 다양한 패턴을 학습합니다. 이를 통해 Moirai는 여러 분야의 시계열 데이터를 효과적으로 예측할 수 있는 능력을 갖추게 되었습니다. 기존의 시계열 모델은 주로 단일 도메인과 고정된 빈도로 훈련되었지만, Moirai는 다중 빈도, 다변량 데이터를 한꺼번에 처리할 수 있습니다. 이는 기존 모델 대비 훈련과 운영의 효율성을 크게 향상시킵니다. 주요 특징 다중 빈도 예측: 다양한 빈도의 데이터를 처리하기 위해 여러 크기의 패치 투영 레이어를 도입. 다변량 주의 메커니즘: Rotary Position Embeddings와 이진 주의 편향을 통해 다변량 데이터를 하나의 시퀀스로 처리. 혼합 분포 …