Inicio Proyectos Crossformer
Crossformer

Crossformer

por Thinklab-SJTU · GitHub

Implementación oficial de nuestro artículo ICLR 2023 "Crossformer: Transformer Utilizando Dependencia de Cross-Dimension para Pronóstico de Series Temporales Multivariadas"

Ver en GitHub
En palabras simples

Pronostica tendencias futuras en datos utilizando un modelo especializado para análisis de series temporales.

⭐ Estrellas
🍴 Ramas
🔥 Tendencias
📜 Licencia
Uso comercial permitido
📅 Creado
🔄 Último commit
🏷️ Categoría
💻 Lenguaje
¿Mantienes este proyecto?

Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.

Reivindicar esta pagina →
Crossformer — GitHub preview card
📈 Historial de estrellas
697695
2026-07-202026-07-29
📈 Sigue Crossformer

Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.

Gratis · sin tarjeta · cancela cuando quieras
Recibir alertas por email →
📄 Acerca de

Implementación oficial de nuestro artículo ICLR 2023 "Crossformer: Transformer Utilizando Dependencia de Cross-Dimension para Pronóstico de Series Temporales Multivariadas"

Crossformer tiene 697 estrellas en GitHub. Se ha bifurcado 112 veces. Crossformer está escrito principalmente en Python. Se desarrolla activamente desde 2023. Crossformer está disponible bajo la licencia Apache-2.0. Sus temas principales son: deep-learning, time-series-forecasting, transformers.

Frequently asked questions

¿Qué es Crossformer?

Implementación oficial de nuestro artículo ICLR 2023 "Crossformer: Transformer Utilizando Dependencia de Cross-Dimension para Pronóstico de Series Temporales Multivariadas"

¿Crossformer es de código abierto?

Crossformer es un proyecto de código abierto. Se distribuye bajo la licencia Apache-2.0.

¿Crossformer es gratis?

Sí. Crossformer es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.

¿Bajo qué licencia está Crossformer?

Crossformer está disponible bajo la licencia Apache-2.0.

¿En qué lenguaje está escrito Crossformer?

Crossformer está escrito principalmente en Python.

🏅 ¿Mantenedor de este proyecto?
OpenSourceAI badge — Crossformer

Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=thinklab-sjtu-crossformer)](https://opensourceai.tech/project/thinklab-sjtu-crossformer.html)
Más opciones de distintivos →
🧬 Comparte ADN con🧬 Ver el mapa de ADN →
iTransformer
Implementación no oficial de iTransformer - SOTA Pronóstico de Series Temporales usando redes d…
537 · artificial-intelligence
compartetime-series-forecastingtransformers
SSSD
Repositorio para el artículo: 'Imputación y Pronóstico de Series Temporales Basado en Difusión…
335 · deep-learning
compartetime-series-forecasting
TimeMixer
[ICLR 2024] Implementación oficial de "TimeMixer: Decomposable Multiscale Mixing for Time Serie…
2k · deep-learning
compartetime-series-forecasting
fromthetensor
Desde el Tensor hasta Stable Diffusion, un esquema aproximado para un curso de 10 semanas.
1.1k · deep-learning
compartetransformers
tuned-lens
Herramientas para entender cómo se construyen las predicciones de transformadores capa por capa
605 · machine-learning
compartetransformers
Natural_Language_Processing_with_Transformers
Procesamiento de Lenguaje Natural con Transformers 中译本,最权威Transformers教程
575 · bert
compartetransformers
openchat
OpenChat: Avanzando Modelos de Lenguaje de Código Abierto con Datos Imperfectos
5.5k · large-language-models
compartetransformers
geometry-free-view-synthesis
¿Se requiere un modelo geométrico para sintetizar vistas novedosas a partir de una sola imagen?
381 · novel-view-synthesis
compartetransformers
alignment-handbook
Recetas robustas para alinear modelos de lenguaje con preferencias humanas y de IA
5.7k · llm
compartetransformers
lagent
Un marco ligero para construir agentes basados en LLM
2.3k · agent
compartetransformers

Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.