Crossformer: Transformer Dependensi Lintas-Dimensi untuk Peramalan Deret Waktu Multivariat
Crossformer adalah arsitektur berbasis Transformer untuk peramalan deret waktu multivariat, yang diperkenalkan oleh Yunhao Zhang dan Junchi Yan di ICLR 2023. Berbeda dengan varian Transformer sebelumnya yang memperlakukan setiap variat secara independen, Crossformer secara eksplisit memodelkan dependensi lintas-dimensi bersama dengan pola temporal. Hal ini dicapai melalui desain perhatian dua tahap — lintas-waktu dan lintas-dimensi — yang diterapkan pada embedding tingkat segmen yang diorganisir dalam encoder hierarkis, memungkinkan model untuk menangkap dinamika intra-variat dan korelasi antar-variat secara bersamaan.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Zhang, Y., & Yan, J. (2023). Crossformer: Transformer utilizing cross-dimension dependency for multivariate time series forecasting. ICLR. link ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 2). Crossformer (Cross-Dimension Dependency Transformer). ScholarGate. https://scholargate.app/id/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.
- InformerPembelajaran Mendalam↔ compare
- iTransformer: Transformer Terbalik untuk Peramalan Deret Waktu MultivariatPembelajaran Mendalam↔ compare
- PatchTSTPembelajaran Mendalam↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →