Methodenbewijsdossier

Crossformer

Crossformer is a Transformer-based architecture for multivariate time series forecasting, introduced by Yunhao Zhang and Junchi Yan at ICLR 2023. Unlike earlier Transformer variants that treat each variate independently, Crossformer explicitly models cross-dimension dependencies alongside temporal patterns. It achieves this through a two-stage attention design — cross-time and cross-dimension — applied over segment-level embeddings organized in a hierarchical encoder, enabling the model to capture both intra-variate dynamics and inter-variate correlations simultaneously.

Sources recorded, not reviewed

Bronrecord

Citaten letterlijk overgenomen uit het bronrecord van de methode. Hieruit wordt geen verificatie op claimniveau afgeleid.

Crossformer (Cross-Dimension Dependency Transformer)

Taxonomisch methodendossier · ml-model / deep-learning

Zhang, Y., & Yan, J. (2023). Crossformer: Transformer utilizing cross-dimension dependency for multivariate time series forecasting. ICLR. · URL

Volledige methode openen

Gecureerde claims

Claims opgeslagen in het bewijsregister, elk met zijn eigen beoordeling.

Nog geen gecureerde claims

Deze weergave verzint geen claimbeoordeling als het register er geen heeft.

Gerelateerde methoden

Gegenereerd uit de methodegraaf en getoond als machinaal voorgestelde relaties — er wordt geen bewijsclaim afgeleid.

Same method familyInformermachine-suggested · Relational suggestion, not evidence.Taxonomic bucketiTransformermachine-suggested · Relational suggestion, not evidence.Same method familyPatchTSTmachine-suggested · Relational suggestion, not evidence.