মূল কনটেন্টে যান
মডেল ও প্রযুক্তি

গুগল প্রকাশ করল TimesFM-3, ৩৩ কোটি প্যারামিটারেই জিরো-শট মাল্টিভেরিয়েট টাইম সিরিজ পূর্বাভাস

গুগলের সর্বশেষ টাইম সিরিজ মডেল TimesFM-3 প্রকাশিত হয়েছে। মাত্র ৩৩ কোটি প্যারামিটারেই এটি জিরো-শট মাল্টিভেরিয়েট পূর্বাভাসের কাজ করতে পারে। মডেলটি একই সঙ্গে একাধিক সম্পর্কিত সিরিজের পূর্বাভাস দিতে পারে, যেমন বিভিন্ন ব্র্যান্ডের আইসক্রিম বিক্রির যৌথ পূর্বাভাস, অতিরিক্ত ফাইন-টিউনিং ছাড়াই। #গুগলAI# এটি একাধিক লক্ষ্য ও কোভেরিয়েট পূর্বাভাস সমর্থন করে।

গুগল প্রকাশ করল TimesFM-3, ৩৩ কোটি প্যারামিটারেই জিরো-শট মাল্টিভেরিয়েট টাইম সিরিজ পূর্বাভাস

গুগল আজ TimesFM-3 মডেল প্রকাশ করেছে। এটি কোম্পানির টাইম সিরিজ ফাউন্ডেশন মডেল সিরিজের তৃতীয় প্রজন্মের পণ্য। মডেলটিতে নেটিভ মাল্টিভেরিয়েট পূর্বাভাস, দ্বৈত-অ্যাটেনশন মেকানিজম এবং কন্টিনিউয়াস প্যাচ মাস্কিংয়ের মতো বৈশিষ্ট্য রয়েছে। এটি জিরো-শট মাল্টিভেরিয়েট টাইম সিরিজ পূর্বাভাস দিতে পারে।

গুগল প্রকাশ করল TimesFM-3, ৩৩ কোটি প্যারামিটারেই জিরো-শট মাল্টিভেরিয়েট টাইম সিরিজ পূর্বাভাস

আইটি হোম গুগলের কাছ থেকে জানতে পেরেছে যে TimesFM-3-এ ৩৩ কোটি প্যারামিটার রয়েছে। এটি ১ ট্রিলিয়নেরও বেশি টাইম পয়েন্টসমৃদ্ধ বাস্তব ও কৃত্রিম টাইম সিরিজ করপাসের ওপর প্রি-ট্রেন করা হয়েছে। TimesFM-3 আগের প্রজন্মের দক্ষতা ও জিরো-শট সাধারণীকরণ ক্ষমতা ধরে রেখে জিরো-শট পদ্ধতিতে জটিল বহুমাত্রিক পরিস্থিতির সমর্থন বাড়িয়েছে।

একই সঙ্গে, মডেলটি পারস্পরিকভাবে বিকশিত একাধিক টাইম সিরিজের যৌথ পূর্বাভাস দিতে পারে, তাদের পারস্পরিক নির্ভরতা শনাক্ত করে সামগ্রিক নির্ভুলতা বাড়াতে পারে। নির্দিষ্ট কাজের জন্য ফাইন-টিউনিংয়ের প্রয়োজন নেই। মডেলটি নেটিভভাবে নিচের বৈশিষ্ট্যগুলো সমর্থন করে:

একাধিক লক্ষ্য পূর্বাভাস: একই সঙ্গে একাধিক সম্পর্কিত টাইম সিরিজের পূর্বাভাস দেওয়া, যেমন বিভিন্ন ব্র্যান্ডের আইসক্রিমের যৌথ পূর্বাভাস। মডেলটি সব লক্ষ্যের পয়েন্ট পূর্বাভাস ও কোয়ান্টাইল পূর্বাভাস সমর্থন করে।

অতীতের কোভেরিয়েট: কেবল অতীতের দৃষ্টিকোণ থেকে জানা বৈশিষ্ট্য অন্তর্ভুক্ত করা, যেমন অতীতের মানুষের চলাচলের সংখ্যা।

অতীত-ভবিষ্যৎ (ডায়নামিক) কোভেরিয়েট: পূর্বাভাস নির্দেশ করতে ভবিষ্যতের জানা ঘটনাগুলো ব্যবহার করা, যেমন পরিকল্পিত প্রচারমূলক কার্যক্রম বা আবহাওয়ার পূর্বাভাস।

তথ্যসূত্র:

TimesFM-3: A zero-shot foundation model for multivariate forecasting