시계열 예측에서 설명 가능성 향상을 위한 온라인 사용자 연구: TSFeatLIME
TSFeatLIME 프레임워크는 보조 특성을 통합하고 생성된 샘플과 질의 시계열 간의 거리를 고려하여 블랙박스 모델의 행동을 더 잘 모방할 수 있는 대리 모델을 제공한다.
다차원 시계열 데이터의 데이터 기반 시공간 특징 표현 및 마이닝
본 논문은 다차원 시계열 데이터의 복잡한 시공간 구조를 효과적으로 표현하고 마이닝하는 새로운 방법을 제안한다. 이를 통해 다양한 응용 분야에서 시계열 데이터의 잠재적 가치를 깊이 있게 탐색할 수 있다.
온라인 기계 학습을 활용한 시계열 데이터의 이상 탐지
온라인 기계 학습 기반 이상 탐지 기법(OML-AD)은 개념 drift가 있는 시계열 데이터에서 기존 배치 학습 모델보다 더 정확하고 효율적인 성능을 보인다.
대규모 데이터셋에 적합한 VarLiNGAM 최적화를 통한 시계열 인과 관계 발견
본 연구는 VarLiNGAM 모델의 계산 복잡성을 개선하여 대규모 데이터셋에 대한 효율적이고 확장 가능한 인과 관계 발견 기법을 제안한다.
효율적인 희귀 시간 패턴 마이닝을 통한 시계열 데이터 분석
시계열 데이터에서 희귀하지만 높은 신뢰도를 가진 시간 패턴을 효율적으로 발견하는 방법을 제안한다.
시계열 이상 탐지에 대한 현재 연구 동향 및 향후 과제
현재 시계열 이상 탐지 연구는 부적절한 평가 지표, 일관성 없는 벤치마킹 관행, 새로운 딥러닝 모델 설계에 대한 적절한 정당화 부족으로 인해 문제가 있다. 이 논문은 현 상황에 대한 비판적 분석을 제시하고, 모델 설계의 혁신성 추구에서 벗어나 벤치마킹 관행 개선, 비트리비얼 데이터셋 생성, 특정 과제에 대한 모델 아키텍처의 유용성 연구에 초점을 맞출 것을 주장한다.
시계열 데이터와 순차적 의사결정에 대한 응용을 포함한 조건부 Cauchy-Schwarz 발산
본 논문에서는 기존의 Cauchy-Schwarz 발산을 확장하여 조건부 분포 간의 유사도를 정량화하는 조건부 Cauchy-Schwarz 발산을 제안하였다. 제안된 발산은 커널 밀도 추정기를 통해 간단히 추정될 수 있으며, 기존 방법들에 비해 계산 복잡도가 낮고 통계적 검정력이 높으며 다양한 응용에 활용될 수 있음을 보였다. 또한 시계열 데이터 클러스터링과 순차적 의사결정 문제에서 제안된 발산의 우수한 성능을 입증하였다.
시계열 데이터 분류를 위한 적응형 및 효과적인 합성곱 신경망 모델 AdaFSNet
AdaFSNet은 다양한 길이의 시계열 데이터에서 최적의 수용 영역 크기를 동적으로 선택하여 시계열 데이터 분류 정확도를 향상시킨다.
시계열 데이터 이해를 위한 대규모 언어 모델 평가: 포괄적인 분류 체계 및 벤치마크
대규모 언어 모델(LLM)은 시계열 데이터 분석 및 보고에 자동화 잠재력을 제공하지만, 일반 목적 LLM의 고유한 능력을 체계적으로 평가하는 것이 중요하다.
시계열 데이터 시각화를 위한 일반적인 접근법
시계열 데이터 시각화를 위한 일반적이고 효과적인 방법을 제시한다.
© 2024 by Linnk AI