시계열 분류 및 강건한 분석을 위한 Kolmogorov-Arnold Networks (KAN)
Kolmogorov-Arnold Networks (KAN)은 기존 다층 퍼셉트론(MLP)에 비해 성능이 유사하거나 더 우수하며, 강건성이 높은 모델이다.
효율적이고 일반화 가능한 시계열 분석을 위한 상징적 회귀 방법
시계열 데이터의 내재된 진화 패턴을 명시적으로 표현하고 심층적으로 이해하기 위해 상징적 회귀 기술을 활용한다.
유전 알고리즘(GA)-장단기 메모리 네트워크(LSTM) 최적화 기반 시계열 주식 가격 예측
유전 알고리즘(GA)과 장단기 메모리 네트워크(LSTM)를 최적화한 시계열 알고리즘을 사용하여 주식 가격을 효과적으로 예측할 수 있다.
시계열 예측을 위한 순환 신경망의 효과성을 특성화하는 거리 상관 기반 접근법
순환 신경망의 활성화 계층은 시계열 지연 구조를 잘 학습하지만, 몇 개의 연속적인 계층을 거치면서 이 정보를 점차 잃어버려 큰 지연 구조를 가진 시계열에 대한 예측 품질이 저하된다. 또한 이동 평균 및 이분산 시계열 과정을 적절히 모델링하지 못한다.
장기 시계열 예측을 위한 양방향 Mamba 모델
본 논문은 장기 다변량 시계열 예측을 위한 Bi-Mamba4TS 모델을 제안한다. Bi-Mamba4TS는 채널 독립적 및 채널 혼합 토큰화 전략을 통합하고, 시계열 데이터를 패치로 나누어 장기 의존성을 더 세부적으로 포착한다. 또한 시계열 데이터의 특성에 따라 최적의 토큰화 전략을 자동으로 선택하는 SRA 결정기를 설계하였다.
시계열 예측에서 위치 인코딩의 흥미로운 특성
시계열 예측에서 Transformer 기반 방법은 위치 인코딩(PE)에 의존하지만, PE에 대한 연구가 부족했다. 이 연구는 PE의 세 가지 흥미로운 특성을 발견했고, 이를 바탕으로 새로운 PE 기법인 T-PE와 V-PE를 제안했다. 또한 이 두 PE를 활용하는 Transformer 기반 이중 분기 프레임워크 T2B-PE를 개발했다.
무감독 대조 학습을 통한 일반 Shapelet 추출을 통한 탐색 가능한 시계열 분석
무감독 대조 학습을 통해 일반적이고 해석 가능한 Shapelet을 추출하고, 이를 활용하여 다양한 시계열 분석 작업을 수행하는 통합 파이프라인을 제안한다.
자기 조정 자기 지도 시계열 이상 탐지
본 연구는 시계열 이상 탐지를 위한 자기 조정 자기 지도 프레임워크 TSAP를 제안한다. TSAP는 데이터 증강 함수의 이산 및 연속 하이퍼파라미터를 자동으로 조정하여 다양한 유형의 이상을 효과적으로 탐지할 수 있다.
시계열 예측을 위한 프롬프트 기반 사전 학습 변환기 TEMPO
TEMPO는 시계열 데이터의 추세, 계절성, 잔차 성분을 효과적으로 모델링하고 프롬프트 기반 접근법을 통해 다양한 시계열 데이터에 적응할 수 있는 강력한 성능을 보여줍니다.
시계열 패치를 독립적으로 임베딩하는 방법 학습하기
시계열 패치를 독립적으로 임베딩하는 것이 시계열 표현 학습에 더 우수하다.
© 2024 by Linnk AI