Crossformer: Transformer Phân Tích Sự Phụ Thuộc Chéo Chiều cho Dự Báo Chuỗi Thời Gian Đa Biến
Crossformer là một kiến trúc dựa trên Transformer cho dự báo chuỗi thời gian đa biến, được giới thiệu bởi Yunhao Zhang và Junchi Yan tại ICLR 2023. Khác với các biến thể Transformer trước đây vốn xem mỗi biến là độc lập, Crossformer mô hình hóa rõ ràng sự phụ thuộc chéo chiều cùng với các mẫu hình thời gian. Nó đạt được điều này thông qua thiết kế cơ chế chú ý hai giai đoạn — chéo thời gian và chéo chiều — được áp dụng trên các embedding cấp phân đoạn được tổ chức trong một bộ mã hóa phân cấp, cho phép mô hình nắm bắt đồng thời cả động lực nội tại biến và tương quan giữa các biến.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- Zhang, Y., & Yan, J. (2023). Crossformer: Transformer utilizing cross-dimension dependency for multivariate time series forecasting. ICLR. link ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 2). Crossformer (Cross-Dimension Dependency Transformer). ScholarGate. https://scholargate.app/vi/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.
- InformerHọc sâu↔ compare
- iTransformer: Transformer Nghịch đảo cho Dự báo Chuỗi Thời gian Đa biếnHọc sâu↔ compare
- PatchTSTHọc sâu↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →