Machine learningTime-series forecasting

Crossformer: Transformer s křížovou závislostí dimenzí pro vícerozměrné časové řady

Crossformer je architektura založená na Transformeru pro vícerozměrné časové řady, kterou představili Yunhao Zhang a Junchi Yan na konferenci ICLR 2023. Na rozdíl od starších variant Transformeru, které zacházejí s každým variátem nezávisle, Crossformer explicitně modeluje závislosti mezi dimenzemi spolu s časovými vzory. Dosahuje toho pomocí dvouúrovňového návrhu pozornosti – křížového času a křížových dimenzí – aplikovaného na segmentové vnoření organizované v hierarchickém enkodéru, což modelu umožňuje současně zachytit jak dynamiku v rámci variátů, tak korelace mezi variáty.

Otevřít v MethodMindJiž brzyVideoJiž brzyDownload slides

Přečíst celou metodu

Pouze pro členy

Pro přečtení této sekce se přihlaste s bezplatným účtem.

Přihlásit se

Method map

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

Zdroje

  1. Zhang, Y., & Yan, J. (2023). Crossformer: Transformer utilizing cross-dimension dependency for multivariate time series forecasting. ICLR. link

Jak citovat tuto stránku

ScholarGate. (2026, June 2). Crossformer (Cross-Dimension Dependency Transformer). ScholarGate. https://scholargate.app/cs/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

Odkazuje sem

ScholarGateCrossformer (Crossformer (Cross-Dimension Dependency Transformer)). Získáno 2026-06-15 z https://scholargate.app/cs/deep-learning/crossformer · Datová sada: https://doi.org/10.5281/zenodo.20539026