Accueil Projets Crossformer
Crossformer

Crossformer

par Thinklab-SJTU · GitHub

Implémentation officielle de notre article ICLR 2023 "Crossformer : Transformer utilisant la dépendance inter-dimensionnelle pour la prévision de séries temporelles multivariées"

Voir sur GitHub
En termes simples

Prévoyez les tendances futures dans les données en utilisant un modèle spécialisé pour l'analyse des séries temporelles.

⭐ Étoiles
🍴 Forks
🔥 Tendances
📜 Licence
Utilisation commerciale autorisée
📅 Créé
🔄 Dernier commit
🏷️ Catégorie
💻 Langue
Vous maintenez ce projet ?

Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.

Revendiquer cette page →
Crossformer — GitHub preview card
📈 Historique des étoiles
697695
2026-07-202026-07-29
📈 Suivez Crossformer

Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.

Gratuit · sans carte · désinscription à tout moment
Recevoir des alertes e-mail →
📄 À propos

Implémentation officielle de notre article ICLR 2023 "Crossformer : Transformer utilisant la dépendance inter-dimensionnelle pour la prévision de séries temporelles multivariées"

Crossformer compte 697 étoiles sur GitHub. Il a été forké 112 fois. Crossformer est écrit principalement en Python. Il est développé activement depuis 2023. Crossformer est disponible sous licence Apache-2.0. Ses principaux thèmes sont : deep-learning, time-series-forecasting, transformers.

Frequently asked questions

Qu'est-ce que Crossformer ?

Implémentation officielle de notre article ICLR 2023 "Crossformer : Transformer utilisant la dépendance inter-dimensionnelle pour la prévision de séries temporelles multivariées"

Crossformer est-il open source ?

Crossformer est un projet open source. Il est distribué sous licence Apache-2.0.

Crossformer est-il gratuit ?

Oui. Crossformer est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.

Sous quelle licence est Crossformer ?

Crossformer est disponible sous licence Apache-2.0.

Dans quel langage Crossformer est-il écrit ?

Crossformer est écrit principalement en Python.

🏅 Mainteneur de ce projet ?
OpenSourceAI badge — Crossformer

Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=thinklab-sjtu-crossformer)](https://opensourceai.tech/project/thinklab-sjtu-crossformer.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →
iTransformer
Implémentation non officielle de iTransformer - Prévision de séries temporelles SOTA utilisant…
537 · artificial-intelligence
partagetime-series-forecastingtransformers
SSSD
Dépôt pour le papier : 'Imputation et prévision de séries temporelles basées sur la diffusion a…
335 · deep-learning
partagetime-series-forecasting
TimeMixer
[ICLR 2024] Mise en œuvre officielle de "TimeMixer : Mélange multiscalaire décomposable pour la…
2k · deep-learning
partagetime-series-forecasting
fromthetensor
Du tenseur à Stable Diffusion, un aperçu grossier pour un cours de 10 semaines.
1.1k · deep-learning
partagetransformers
tuned-lens
Outils pour comprendre comment les prédictions des transformateurs sont construites couche par…
605 · machine-learning
partagetransformers
Natural_Language_Processing_with_Transformers
Traitement du Langage Naturel avec Transformers 中译本,最权威Transformers教程
575 · bert
partagetransformers
openchat
OpenChat : Avancer les modèles de langage open-source avec des données imparfaites
5.5k · large-language-models
partagetransformers
geometry-free-view-synthesis
Un modèle géométrique est-il nécessaire pour synthétiser de nouvelles vues à partir d'une seule…
381 · novel-view-synthesis
partagetransformers
alignment-handbook
Recettes robustes pour aligner les modèles de langage avec les préférences humaines et AI
5.7k · llm
partagetransformers
lagent
Un cadre léger pour construire des agents basés sur LLM
2.3k · agent
partagetransformers

Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.