Machine learningTime-series forecasting

Crossformer: Transformer s krížovou dimenzionálnou závislosťou pre multivariátne časové rady

Crossformer je architektúra založená na Transformere pre predikciu multivariátnych časových radov, predstavená Yunhaom Zhangom a Junchi Yanom na ICLR 2023. Na rozdiel od skorších variantov Transformerov, ktoré spracovávajú každú varietu nezávisle, Crossformer explicitne modeluje závislosti medzi dimenziami spolu s časovými vzormi. Dosahuje to prostredníctvom dvojstupňového mechanizmu pozornosti – krížom cez čas a krížom cez dimenzie – aplikovaného na segmentové vloženia organizované v hierarchickom enkodéri, čo umožňuje modelu zachytiť intra-varietné dynamiky aj inter-varietné korelácie súčasne.

Otvoriť v MethodMindČoskoroVideoČoskoroDownload slides

Prečítať celú metódu

Len pre členov

Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.

Prihlásiť sa

Method map

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

Zdroje

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

Ako citovať túto stránku

ScholarGate. (2026, June 2). Crossformer (Cross-Dimension Dependency Transformer). ScholarGate. https://scholargate.app/sk/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

Odkazujú sem

ScholarGateCrossformer (Crossformer (Cross-Dimension Dependency Transformer)). Získané 2026-06-15 z https://scholargate.app/sk/deep-learning/crossformer · Dátová sada: https://doi.org/10.5281/zenodo.20539026