Machine learningTime-series forecasting

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.

Открыть в MethodMindСкороВидеоСкороDownload slides

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Method map

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

Источники

  1. 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.

Compare side by side

Упоминается в

ScholarGateCrossformer (Crossformer (Cross-Dimension Dependency Transformer)). Получено 2026-06-15 из https://scholargate.app/ru/deep-learning/crossformer · Набор данных: https://doi.org/10.5281/zenodo.20539026