Crossformer: Transformer ที่พิจารณาความสัมพันธ์ข้ามมิติสำหรับการพยากรณ์อนุกรมเวลาหลายตัวแปร
Crossformer เป็นสถาปัตยกรรมที่ใช้ Transformer สำหรับการพยากรณ์อนุกรมเวลาหลายตัวแปร ซึ่งนำเสนอโดย Yunhao Zhang และ Junchi Yan ในงาน ICLR 2023 แตกต่างจาก Transformer รุ่นก่อนๆ ที่พิจารณาแต่ละตัวแปรอย่างอิสระ Crossformer ได้สร้างแบบจำลองความสัมพันธ์ข้ามมิติควบคู่ไปกับรูปแบบเชิงเวลาอย่างชัดเจน โดยใช้การออกแบบ Attention สองขั้นตอน คือ cross-time และ cross-dimension ซึ่งนำไปใช้กับส่วนที่ฝังตัว (embedding) ระดับส่วน (segment) ที่จัดเรียงในตัวเข้ารหัสแบบลำดับชั้น ทำให้โมเดลสามารถจับพลวัตภายในตัวแปรและความสัมพันธ์ระหว่างตัวแปรได้พร้อมกัน
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Zhang, Y., & Yan, J. (2023). Crossformer: Transformer utilizing cross-dimension dependency for multivariate time series forecasting. ICLR. link ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 2). Crossformer (Cross-Dimension Dependency Transformer). ScholarGate. https://scholargate.app/th/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.
- Informerการเรียนรู้เชิงลึก↔ compare
- iTransformer: การแปลงอินเวอร์สสำหรับอนุกรมเวลาหลายตัวแปรการเรียนรู้เชิงลึก↔ compare
- PatchTSTการเรียนรู้เชิงลึก↔ compare