Crossformer: Transformer za zavisnosti među domenima za prognoziranje multivarijantnih vremenskih serija
Crossformer je arhitektura zasnovana na Transformeru za prognoziranje multivarijantnih vremenskih serija, koju su predstavili Yunhao Zhang i Junchi Yan na ICLR-u 2023. Za razliku od ranijih varijanti Transformera koje tretiraju svaku varijantu nezavisno, Crossformer eksplicitno modelira zavisnosti među domenima uz vremenske obrasce. Ovo postiže dvostepenim dizajnom pažnje — unakrsno-vremenskim i unakrsno-dimenzionalnim — primenjenim na ugrađivanja na nivou segmenata organizovana u hijerarhijskom enkoderu, omogućavajući modelu da istovremeno uhvati i intra-varijantne dinamike i inter-varijantne korelacije.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- Zhang, Y., & Yan, J. (2023). Crossformer: Transformer utilizing cross-dimension dependency for multivariate time series forecasting. ICLR. link ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 2). Crossformer (Cross-Dimension Dependency Transformer). ScholarGate. https://scholargate.app/sr/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 →Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →