ScholarGate
Asisten
Machine learningTime-series forecasting

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.

Buka di MethodMindSegeraVideoSegeraDownload slides

Baca metode selengkapnya

Khusus anggota

Masuk dengan akun gratis untuk membaca bagian ini.

Masuk

Method map

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

Sumber

  1. 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.

Compare side by side

Dirujuk oleh

ScholarGateCrossformer (Crossformer (Cross-Dimension Dependency Transformer)). Diakses 2026-06-15 dari https://scholargate.app/id/deep-learning/crossformer · Set data: https://doi.org/10.5281/zenodo.20539026