iTransformer: Transformador Invertido para Predicción de Series Temporales Multivariantes

iTransformer es una arquitectura de aprendizaje profundo para la predicción de series temporales multivariantes introducida por Liu et al. en ICLR 2024. Su idea definitoria es invertir la estrategia convencional de tokenización del Transformer: en lugar de tratar cada paso temporal como un token, iTransformer trata cada variate (canal de sensor o serie de características) como un único token cuya incrustación codifica la ventana completa de observación retrospectiva. La autoatención se aplica entonces entre variates para capturar dependencias inter-series, mientras que una red feed-forward dentro de cada token aprende patrones temporales.