초록
전통적인 인공 신경망이 복잡하고 비정상적인 시계열 데이터에 어려움을 겪는 이유
Spiking Neural Networks (SNNs)의 장단점
MTSA-SNN 모델의 주요 구성 요소 및 기여
Wavelet Transform의 활용
MIT-BIH, ETT, 중국 주식 시장 데이터셋에 대한 실험 결과
MTSA-SNN의 성능 비교 결과
MTSA-SNN 모델의 구조 및 작동 방식
다중 모달 퓨전 및 시계열 데이터 처리 방법
통계
실험 결과에 따르면, MTSA-SNN 모델은 MIT-BIH 데이터셋에서 98.75%의 분류 정확도를 달성했습니다.
ETT 데이터셋에서 MTSA-SNN은 MAE가 0.235로 가장 낮았습니다.
주식 시장 가격 예측 작업에서 MTSA-SNN은 MAE가 0.961로 가장 낮았습니다.
인용구
"MTSA-SNN 모델은 복잡하고 다양한 다중 모달 시계열 데이터를 펄스 기반 표현으로 변환하여 모델의 예측 및 분석 능력을 크게 향상시켰습니다."
"다중 모달 시계열 분석 모델인 MTSA-SNN은 복잡하고 비정상적인 시계열 신호를 효과적으로 처리하는 능력을 갖추고 있습니다."