Domingo 18 de octubre de 2026 ·

TempoPFN: preentrenamiento sintético de RNN lineales para predicción zero-shot de series temporales

Relevancia 41 de 100

Según la publicación, el trabajo, aceptado en NeurIPS 2026, presenta una biblioteca de generadores y aumentaciones de series temporales sintéticas para entrenar modelos base de series temporales, en este caso una RNN lineal. Los datos sintéticos ya se han usado en Toto-2 y TS-ICL. Los autores son Vladyslav Moroshan, Julien Siems, Arber Zela, Timur Carstensen y Frank Hutter, y el código y el modelo están enlazados en GitHub y Hugging Face.

Qué significa

Quien trabaje con predicción de series temporales puede probar el modelo y el código publicados en GitHub y Hugging Face, sin tener que entrenar uno desde cero.

Fuentes originales

Resumen de Hoy en IA. Pulsa una fuente para leer la noticia completa en su idioma original.

También ese día

Todas las noticias de IA del domingo 18 de octubre de 2026 ->