Crossformer (Cross-Dimension Dependency Transformer)
একটি ডেটাসেট কল্পনা করুন যেখানে সময়ের সাথে সাথে কয়েক ডজন সেন্সর রেকর্ড করা হয়েছে। বেশিরভাগ পূর্বাভাস ট্রান্সফরমার প্রতিটি সেন্সরের টাইম সিরিজকে আলাদাভাবে দেখে, এই বিষয়টি উপেক্ষা করে যে সেন্সরগুলি প্রায়শই একে অপরকে প্রভাবিত করে। Crossformer একটি দ্বি-স্তরীয় অ্যাটেনশন ব্লক প্রবর্তন করে: প্রথমে এটি প্রতিটি ভ্যারিয়েটের মধ্যে সময়ের সেগমেন্টগুলির উপর অ্যাটেন্ড করে, টেম্পোরাল প্যাটার্নগুলি আবিষ্কার করে; তারপর এটি প্রতিটি টাইম স্টেপে সমস্ত ভ্যারিয়েটগুলির উপর অ্যাটেন্ড করে, ইন্টার-সেন্সর নির্ভরতা ক্যাপচার করে। এই ব্লকগুলিকে হায়ারার্কিক্যালি স্ট্যাক করা — গভীরতা বৃদ্ধির সাথে সাথে সেগমেন্টগুলিকে মার্জ করা — মডেলটিকে সময় এবং ভ্যারিয়েবল উভয়েরই স্থূল থেকে সূক্ষ্ম উপস্থাপনা তৈরি করতে দেয়।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
Method map
The neighbourhood of related methods — select a node to explore.
উৎস
- Zhang, Y., & Yan, J. (2023). Crossformer: Transformer utilizing cross-dimension dependency for multivariate time series forecasting. ICLR. link ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 2). Crossformer (Cross-Dimension Dependency Transformer). ScholarGate. https://scholargate.app/bn/deep-learning/crossformer
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Informerগভীর শিখন↔ compare
- iTransformer: বহুচলকীয় সময়-সিরিজ পূর্বাভাসের জন্য বিপরীত ট্রান্সফরমারগভীর শিখন↔ compare
- PatchTSTগভীর শিখন↔ compare
যেখানে উদ্ধৃত
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →