Machine learningTime-series forecasting

Crossformer: Transformer με Εξαρτήσεις Διασταυρούμενων Διαστάσεων για Πρόβλεψη Πολυμεταβλητών Χρονοσειρών

Το Crossformer είναι μια αρχιτεκτονική βασισμένη σε Transformer για πρόβλεψη πολυμεταβλητών χρονοσειρών, που εισήχθη από τους Yunhao Zhang και Junchi Yan στο ICLR 2023. Σε αντίθεση με προηγούμενες παραλλαγές Transformer που αντιμετωπίζουν κάθε μεταβλητή ανεξάρτητα, το Crossformer μοντελοποιεί ρητά τις εξαρτήσεις διασταυρούμενων διαστάσεων παράλληλα με τα χρονικά μοτίβα. Αυτό επιτυγχάνεται μέσω ενός σχεδιασμού προσοχής δύο σταδίων — διαχρονικής και διασταυρούμενης διάστασης — που εφαρμόζεται σε ενσωματώσεις επιπέδου τμήματος οργανωμένες σε έναν ιεραρχικό κωδικοποιητή, επιτρέποντας στο μοντέλο να συλλάβει ταυτόχρονα τόσο τις ενδο-μεταβλητές δυναμικές όσο και τις δια-μεταβλητές συσχετίσεις.

Άνοιγμα στο MethodMindΣύντομαΒίντεοΣύντομαDownload slides

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Method map

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

Πηγές

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

Πώς να παραπέμψετε σε αυτή τη σελίδα

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

Αναφέρεται από

ScholarGateCrossformer (Crossformer (Cross-Dimension Dependency Transformer)). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/deep-learning/crossformer · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026