ScholarGate
Assistent
Machine learningTime-series forecasting

Crossformer: Cross-Dimension Dependency Transformer multivariatsioonilise ajaseeria prognoosimiseks

Crossformer on Transformer-põhine arhitektuur multivariatsioonilise ajaseeria prognoosimiseks, mille autoriteks on Yunhao Zhang ja Junchi Yan ICLR 2023-l. Erinevalt varasematest Transformer-variantidest, mis käsitlevad iga muutujat iseseisvalt, modelleerib Crossformer ajamustrite kõrval ka mõõtmetevahelisi sõltuvusi. See saavutatakse kahefaasilise tähelepanu disainiga — ajadevaheline ja mõõtmetevaheline — mida rakendatakse hierarhilises enkoodris organiseeritud segmendipõhistele representatsioonidele, võimaldades mudelil samaaegselt haarata nii muutujasisest dünaamikat kui ka muutujatevahelisi korrelatsioone.

Ava rakenduses MethodMindPeagiVideoPeagiDownload slides

Loe meetodi täielikku kirjeldust

Ainult liikmetele

Selle osa lugemiseks logi sisse tasuta kontoga.

Logi sisse

Method map

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

Allikad

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

Kuidas sellele lehele viidata

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

Sellele viitavad

ScholarGateCrossformer (Crossformer (Cross-Dimension Dependency Transformer)). Loetud 2026-06-15 aadressilt https://scholargate.app/et/deep-learning/crossformer · Andmestik: https://doi.org/10.5281/zenodo.20539026