/ Модель

Характеристики

Лицензия
MIT
Опубликована
18 авг 2026

future-prediction-multi-domain-lstm

Прогноз временных рядовTime_series → time_series

Система на основе двухслойных LSTM прогнозирует временные ряды для шести тематических областей и отвечает на вопросы о будущих значениях.

0скачиваний за 30 дней0лайковвеса обновлены29 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

CodeDevX/future-prediction-multi-domain-lstm — система прогнозирования временных рядов на основе LSTM для шести тематик. В репозитории представлены отдельные двухслойные модели для каждой темы и объединённая модель с общей LSTM-основой, встраиваниями доменов и отдельными выходными слоями. Модель предназначена для прогнозов по историческим данным и запросов на естественном языке о выбранной теме и горизонте прогноза.

Система охватывает финансовые и экономические ряды, данные о погоде, активности в программировании и показателях, связанных с ИИ; в README приведены, в частности, примеры для NVIDIA, S&P 500, Bitcoin и загрузок пакета React. Она может выдавать прогнозный уровень, направление, диапазон и изменение относительно текущего значения, а также текстовый отчёт и график. Для обучения описаны функция потерь Huber, оптимизатор AdamW, ранняя остановка и временное разделение данных.

README сообщает о проверке на отложенной выборке, но подчёркивает, что рыночные ряды близки к случайному блужданию и точность прогноза не гарантируется. Для автономной работы конвейер может использовать синтетические данные при недоступности источников. Лицензия репозитория — MIT.

Сценарии применения

  • Прогнозирование цены Bitcoin на заданный период
  • Прогнозирование динамики акций NVIDIA и индекса S&P 500
  • Оценка будущего числа загрузок пакета React
  • Получение прогноза погоды для выбранного города
  • Сравнение прогнозов по нескольким тематическим областям
  • Просмотр прогнозного диапазона и графика временного ряда

Ограничения

Фактическое поведение рынков может отличаться от прогноза; модель не гарантирует точность, а README отмечает, что рыночные ряды близки к случайному блужданию. При недоступности внешних источников данных конвейер может перейти на синтетические данные.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Future Prediction Models (6 topics + Unified)

An end-to-end multi-domain AI forecasting system. Real datasets, two model modes, ChatGPT-style predictions.

Models: separate vs unified

  • Separate (model_<topic>.pt) — 6 dedicated 2-layer LSTMs, one per topic
  • Unified (unified_model.pt) — One combined model for all 6 domains: shared LSTM backbone + per-domain embedding + per-domain heads, trained jointly from merged separate models

The unified model merges weights from all 6 trained separate models into a single checkpoint, enabling cross-domain knowledge transfer and a single model that can predict any of the 6 topics.

Topics & datasets (all real, fetched automatically)

TopicAssetSourcePoints
AINVIDIA daily closeYahoo Finance6,938
ProgrammingDaily react npm downloadsnpm registry API547
FinanceBitcoin BTC-USD closeYahoo Finance (Hugging Face fallback)4,252
SportsATP world #1 Elo ratingHugging Face tennis (93,028 matches, Elo computed from results)10,944
WeatherDaily mean temperature (any city)Open-Meteo archive4,248
EconomyS&P 500 daily closeYahoo Finance6,699

Weather city is configurable. Every topic falls back gracefully: Hugging Face search -> API -> synthetic data if fully offline.

Validated accuracy (held-out test set, no data leakage)

Separate per-topic models:

TopicMAEH1 MAPEvs naive baseline
AI (NVIDIA)$2.172.26%~naive
Economy (S&P 500)$37.370.71%beats naive by 0.5%
Finance (Bitcoin)$1,437.461.61%~naive
Programming (react)1.17M downloads7.12%beats naive by 77.5%
Sports (ATP #1 Elo)3.40 Elo0.06%~naive
Weather (Chennai temp)0.99 K0.18%beats naive by 1.9%

Unified single model (merged from 6 separate models):

TopicMAEH1 MAPE
AI$3.402.36%
Economy$72.210.75%
Finance$2,863.451.74%
Programming1.14M downloads5.42%
Sports2.75 Elo0.04%
Weather0.94 K0.18%

Markets behave near a random walk, so 100% accuracy is impossible — these are honest, validated numbers. No model can guarantee the future.

Architecture (normal mode shows only the final response)

User question -> intent detection -> prediction engine -> response formatter -> chat output

  • Chat CLI — only the final assistant response reaches the user
  • Intent detection + orchestration (topic, location, horizon, style)
  • Prediction engine — runs the LSTM, returns structured metrics: net change, forecast range, current-to-forecast, direction, primary forecast
  • Response formatter — presents metrics naturally; opens with a one-sentence ChatGPT-style summary; never invents confidence, probability, or values
  • Multi-topic data pipeline (fetchers + caching)
  • 2-layer LSTM, Huber loss, AdamW, early stopping, temporal split
  • Per-topic model loader, rollout forecast, chart + text report

Ask it anything (ChatGPT-style)

Interactive chat with natural language queries:

  • "what will bitcoin do next week?"
  • "compare all topics"
  • "predict programming for 14 days"
  • "predict ai for 3 days"

Example response:

In short, the model expects Bitcoin to stay roughly stable next week, hovering near $63,228.

Bitcoin Forecast
August 18-24, 2026

The model forecasts relatively sideways movement for Bitcoin next week, with an
estimated level around **$63,228**.

Outlook: Sideways
Predicted level (2026-08-24): ~$63,228
Expected change: <0.01%
Forecast range: <0.01%
From latest observed value ($63,229, 2026-08-17): <0.01%

This is a model-generated forecast, and actual market behavior may differ.

Weather for any city

Configure city via environment variables or city registry, then query weather predictions.

Train / refresh

Run training for all topics or individual domains. Outputs: model checkpoints, configs, predictions, charts, and results.

Add a new domain

  1. Add entry to topics configuration (label, unit, asset name)
  2. Add a fetcher returning date + value columns
  3. Run training — everything else is automatic

Hugging Face Repository

All models and configs are available at: https://huggingface.co/CodeDevX/future-prediction-multi-domain-lstm

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

Временные ряды пока не поддерживаются.

Ревизия весов
1914d4d

0 моделей