arXiv · Machine Learning· Aliullah, Julian Oelhaf, Edouard Fouch\'e, Jessica Deuschel, Christian Bergler, Andreas Maier, Siming Bayer·· 7 天前AI 评分37
MOIRAI 1.0 Large 与 Chronos-2 的参数高效适配用于电力负荷预测
Parameter-Efficient Adaptation of Time Series Foundation Models for Electrical Load Forecasting
AI 导读
针对电力负荷预测，研究比较了 MOIRAI 1.0 Large 与 Chronos-2 的预训练推理、全量微调和 LoRA 适配效果。在 MOIRAI Large 上，rank-16 LoRA 平均将 NMAE 降低 7.5%，仅更新 3.146 million 个参数，约占模型 1%。Chronos-2 的预训练 NMAE 更低，但从适配中获益较少，OOD 设置下收益因目标而异。
来源：arXiv · Machine Learning · arxiv.org