Crossformer: Cross-Dimension Dependency Transformer per a Predicció de Sèries Temporals Multivariants
Crossformer és una arquitectura basada en Transformer per a la predicció de sèries temporals multivariants, introduïda per Yunhao Zhang i Junchi Yan a ICLR 2023. A diferència de variants anteriors de Transformer que tracten cada variat independentment, Crossformer modela explícitament dependències entre dimensions juntament amb patrons temporals. Ho aconsegueix mitjançant un disseny d'atenció en dues etapes — temporal i entre dimensions — aplicat sobre embeddings de nivell de segment organitzats en un codificador jeràrquic, permetent al model capturar simultàniament dinàmiques intra-variat i correlacions inter-variat.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Zhang, Y., & Yan, J. (2023). Crossformer: Transformer utilizing cross-dimension dependency for multivariate time series forecasting. ICLR. link ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 2). Crossformer (Cross-Dimension Dependency Transformer). ScholarGate. https://scholargate.app/ca/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.
- InformerAprenentatge profund↔ compare
- iTransformerAprenentatge profund↔ compare
- PatchTSTAprenentatge profund↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →