Machine learningTime-series forecasting

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.

Obre a MethodMindAviatVídeoAviatDownload slides

Llegeix el mètode complet

Només per a membres

Inicia la sessió amb un compte gratuït per llegir aquesta secció.

Inicia la sessió

Method map

The neighbourhood of related methods — select a node to explore.

Fonts

  1. 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.

Compare side by side

Citat per

ScholarGateCrossformer (Crossformer (Cross-Dimension Dependency Transformer)). Recuperat el 2026-06-15 de https://scholargate.app/ca/deep-learning/crossformer · Conjunt de dades: https://doi.org/10.5281/zenodo.20539026