深度时序分析通用基础模型
Timer
源于清华大学，基于大模型的通用时间序列分析
少样本泛化以及多任务适配
具备可观的时序分析能力和对真实场景的数据生成能力
泛化性
基于少样本微调取得领域前沿深度模型预测效果。
通用性
适配多种任务，支持可变输入输出长度。
可扩展性
模型随着参数量或预训练规模扩大取得效果提升。
全面的时序分析能力
时序预测
对时间序列的预测建模是Timer功能的核心。我们的服务能够提供对工业生产、自然环境等时序数据的预测。
数据填补
消除数据丢失带来的麻烦。Timer拥有对缺失序列段的上下文填补能力，为时间序列数据集带来连续性和完整性。
异常检测
提供基于自回归分析的异常检测能力，Timer 将通过对于序列段的滚动分析对可能异常序列数据进行实时预警。
通用生成式分析框架
服务在统一的生成方法下运行，为不同的应用程序和领域简化复杂的任务，提供通用时序分析的可能。
