论文标题：iCROSSFORMER : TRANSFORMER UTILIZING CROSS DIMENSION DEPENDENCY FOR MULTIVARIATE TIME SERIES FORECASTING
开源代码：https://github.com/Thinklab-SJTU/Crossformer
前言
Crossformer是一篇非常典型的在transformer基础上魔改注意力机制的文章，这虽然现在时间序列中的多尺度、注意力基本已经做到头了，但是作为一篇学习论文，质量很高，值得阅读。另外，这篇文章也算是为patch找到了依据。Transformer的核心之一是注意力机制，而基础Transformer时序预测的注意力机制主要建模同一变量不同时刻的相关性（文中称跨时间依赖，如下图b），却忽视了不同变量之间的依赖性（文中称之为跨维度依赖，如下图c）。为了填补这一空缺，本文提出了 Crossformer，利用跨维度依赖性进行多变量时序预测。
图1
Crossformer 中，输入多维变量通过DSW（Dimension-Segment-Wise ）过程嵌入为2D向量数组，保留时间和维度信息。然后提出TSA（Two-Stage Attention）两阶段注意力机制捕获跨时间和跨维度的依赖关系。利用DSW嵌入和TSA层，Crossformer建立了一个分层编码器-解码器（HED），以使用不同尺度的信息进行最终预测。对六个真实世界数据集的广泛实验结果表明，Crossformer相对于以往的最新技术的有效性。
上图中图c显示本文是不同时间、不同维度进行嵌入。
本文工作
1、DIMENSION - SEGMENT-WISE EMBEDDING（DSW）
本文的第一个创新点在于时序数据的embedding，我们先看图1。图1（a）显示了用于多变量时间序列预测的原始Transformer的典型注意力分数图。我们可以看到，注意力值有一种分段的趋势，即相邻的数据点具有相似的注意力权重。
基于以上两点，作者认为嵌入向量应该表示单个维度的一系列segment，如图1（c），而不是单个时间步中所有维度的值，图1（b）。为此作者提出Dimension-Segment-Wise（DSW）嵌入，其中每个维度中的点被分成长度为 L seg 的段。
直观上理解，这是一种类似patch的分段策略，将嵌入的一维向量序列分成段以计算段相关性，以增强局部性并减少计算复杂性。
2、TWO-STAGE ATTENTION LAYER
这一部分作者提出两阶段注意力（TSA）层，以捕获二维向量数组之间的跨时间和跨维度依赖关系，如图2(a)所示：
跨时间步注意力机制（Cross-Time Stage）
作者直接对每个维度应用了多头自注意力，我们使用Z_i,: 来表示在时间步i时所有维度的向量，用Z:,d 表示在维度d中所有时间步的向量。
MLP 表示多层（本文中为两层）前馈网络；MSA(Q, K, V) 表示多头自注意力层，其中Q, K, V 分别充当查询、键和值矩阵。所有维度（1 ≤ d ≤ D）共用相同的 MSA 层。Z^time 表示MSA和MLP输出的结果。
跨时间阶段的计算复杂度是O(DL^2)。在这一阶段之后，同一维度中时间段之间的依赖关系被捕捉在Z^time中。然后Z^time成为跨维度阶段的输入，以捕获跨维度的依赖关系。
图2
跨维度注意力机制
在跨维度注意力机制阶段，作者没有简单地分割维度并直接应用多头自注意力机制（MSA）。因为这将导致计算复杂度达到O(D^2)（如图2(b)所示），D代表特征的个数，D相当大的数据集来说开销过大。为了应对这个问题，作者提出了一种路由器机制。如图2(c)所示，作者为每个时间步长i，设置了一个固定的（远小于D）的可学习向量作为路由器，公式中的R。首先使用这些路由器作为查询Q，利用注意力机制从所有维度收集信息，其中所有维度的向量充当K和V。然后，路由器将收集到的信息按照维度分发，这一过程中采用维度向量作为Q，而聚合的信息作为K和V。通过此方法，作者构建了D个维度间的全面连接关系。
3、HIERARCHICAL ENCODER-DECODER
Crossformer中带有3层编码器的层次编解码器结构。每个向量的长度表示所涵盖的时间范围。编码器（左侧）使用TSA层和部分合并来捕捉不同尺度上的依赖性：上层中的向量涵盖更长的范围，从而在较粗略的尺度上形成依赖性。通过探索不同的尺度，解码器（右侧）通过在每个尺度上进行预测并将它们相加来做出最终预测。
实验结果
Crossformer在大多数数据集上展示了领先的性能，在不同的预测长度设置上，它在总共58个案例中取得了36个第一名和51个第二名的成绩。
