Crossformer: Transformer za među-dimenzijsku ovisnost za multivarijatno vremensko prognoziranje
Crossformer je arhitektura utemeljena na Transformeru za multivarijatno vremensko prognoziranje, koju su predstavili Yunhao Zhang i Junchi Yan na ICLR-u 2023. Za razliku od ranijih inačica Transformera koje svaku varijatu tretiraju neovisno, Crossformer eksplicitno modelira među-dimenzijske ovisnosti uz vremenske obrasce. To postiže dvostupanjskim dizajnom pažnje — među-vremenskom i među-dimenzijskom — primijenjenom na ugrađene elemente na razini segmenata organizirane u hijerarhijski enkoder, omogućujući modelu da istovremeno uhvati i intra-varijatnu dinamiku i inter-varijatne korelacije.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- Zhang, Y., & Yan, J. (2023). Crossformer: Transformer utilizing cross-dimension dependency for multivariate time series forecasting. ICLR. link ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 2). Crossformer (Cross-Dimension Dependency Transformer). ScholarGate. https://scholargate.app/hr/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 →Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →