本研究では、時系列予測の課題に対して、Channel Clustering Module (CCM)を提案している。CCMは、チャンネル間の類似性に基づいて動的にチャンネルをクラスタリングし、クラスタ単位の特徴を活用することで、個別チャンネル処理と全体的なチャンネル相互作用のバランスを取る。
具体的には以下の3つの特徴がある:
クラスタ割当モジュールでは、チャンネル間の類似性に基づいてチャンネルをクラスタリングし、各クラスタの特徴的なプロトタイプ表現を学習する。これにより、未知のサンプルに対するゼロショット予測が可能となる。
クラスタ認識Feed Forwardでは、各クラスタに対応した個別のFeed Forwardを割り当て、クラスタ内の共通パターンを捉えることで、個別チャンネル処理と全体的なチャンネル相互作用のバランスを取る。
提案手法は既存の時系列予測モデルに対して汎用的に適用可能であり、長期予測と短期予測の両方で大幅な性能向上を達成している。特に、株価予測などの動的で複雑な時系列データに対して優れた性能を発揮する。
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Jialin Chen,... at arxiv.org 04-03-2024
https://arxiv.org/pdf/2404.01340.pdfDeeper Inquiries