Crossformer: Трансформер для моделирования межразмерных зависимостей в многомерном временном ряду
Crossformer — это архитектура на основе Трансформера для прогнозирования многомерных временных рядов, представленная Юньхао Чжаном и Цзюньчи Янем на конференции ICLR в 2023 году. В отличие от предыдущих вариантов Трансформера, которые обрабатывают каждый признак независимо, Crossformer явно моделирует межразмерные зависимости наряду с временными закономерностями. Это достигается за счет двухэтапной конструкции внимания — межвременного и межразмерного — применяемой к сегментным эмбеддингам, организованным в иерархический энкодер, что позволяет модели одновременно улавливать как внутрипризнаковые динамики, так и межпризнаковые корреляции.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Zhang, Y., & Yan, J. (2023). Crossformer: Transformer utilizing cross-dimension dependency for multivariate time series forecasting. ICLR. link ↗
Как цитировать эту страницу
ScholarGate. (2026, June 2). Crossformer (Cross-Dimension Dependency Transformer). ScholarGate. https://scholargate.app/ru/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.
- ИнформерГлубокое обучение↔ compare
- iTransformerГлубокое обучение↔ compare
- PatchTSTГлубокое обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →