Crossformer: Ristiulottuvuuksien riippuvuuksia hyödyntävä Transformer monimuuttuja-aikasarjaennustukseen
Crossformer on Transformer-pohjainen arkkitehtuuri monimuuttuja-aikasarjaennustukseen, jonka Yunhao Zhang ja Junchi Yan esittelivät ICLR 2023 -konferenssissa. Toisin kuin aiemmat Transformer-variantit, jotka käsittelevät kutakin muuttujaa itsenäisesti, Crossformer mallintaa eksplisiittisesti ristiulottuvuuksien välisiä riippuvuuksia ajallisten kuvioiden ohella. Se saavuttaa tämän kaksivaiheisella huomiomekanismilla – aikaulottuvuuksien ja ristiulottuvuuksien välisellä huomiolla – jota sovelletaan hierarkkisessa enkooderissa järjestettyihin segmenttitason upotuksiin. Tämä mahdollistaa mallin kyvyn vangita sekä muuttujan sisäistä dynamiikkaa että muuttujien välisiä korrelaatioita samanaikaisesti.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Zhang, Y., & Yan, J. (2023). Crossformer: Transformer utilizing cross-dimension dependency for multivariate time series forecasting. ICLR. link ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 2). Crossformer (Cross-Dimension Dependency Transformer). ScholarGate. https://scholargate.app/fi/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.
- InformerSyväoppiminen↔ compare
- iTransformer: Inverted Transformer monimuuttuja-aikasarjaennustamiseenSyväoppiminen↔ compare
- PatchTSTSyväoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →