iTransformer: Transformer Invertido para Previsão de Séries Temporais Multivariadas

iTransformer é uma arquitetura de aprendizado profundo para previsão de séries temporais multivariadas introduzida por Liu et al. na ICLR 2024. Sua ideia definidora é inverter a estratégia convencional de tokenização do Transformer: em vez de tratar cada passo temporal como um token, o iTransformer trata cada variável (canal de sensor ou série de características) como um único token, cujo embedding codifica toda a janela de observação passada. A autoatenção é então aplicada entre as variáveis para capturar dependências inter-séries, enquanto uma rede feed-forward dentro de cada token aprende padrões temporais.