Crossformer: טרנספורמר תלות בין-ממדית לחיזוי סדרות עתיות מרובות משתנים
Crossformer היא ארכיטקטורה מבוססת טרנספורמר לחיזוי סדרות עתיות מרובות משתנים, שהוצגה על ידי יונהאו ג'אנג וג'ונצ'י יאן ב-ICLR 2023. בניגוד לווריאנטים קודמים של טרנספורמר המתייחסים לכל משתנה באופן עצמאי, Crossformer ממדלת במפורש תלויות בין-ממדיות לצד דפוסים זמניים. היא משיגה זאת באמצעות עיצוב קשב דו-שלבי – קשב בין-זמני וקשב בין-ממדי – המופעל על הטמעות ברמת מקטעים (segments) המאורגנות במקודד היררכי, ומאפשר למודל ללכוד הן דינמיקות תוך-משתניות והן קורלציות בין-משתניות בו-זמנית.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- Zhang, Y., & Yan, J. (2023). Crossformer: Transformer utilizing cross-dimension dependency for multivariate time series forecasting. ICLR. link ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 2). Crossformer (Cross-Dimension Dependency Transformer). ScholarGate. https://scholargate.app/he/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.
- מְיַדֵּעַלמידה עמוקה↔ compare
- iTransformer: טרנספורמר מהופך לחיזוי סדרות זמן מרובות משתניםלמידה עמוקה↔ compare
- PatchTSTלמידה עמוקה↔ compare