แนวคิดหลัก
D-PAD는 시계열 데이터의 다양한 주파수 범위의 패턴을 효과적으로 분리하고 모델링하여, 기존 최신 모델들을 평균 9.48% MSE, 7.15% MAE 향상시킨다.
บทคัดย่อ
D-PAD는 시계열 예측을 위한 새로운 딥-얕은 신경망 모델이다.
- 다중 성분 분해 (MCD) 블록을 통해 시계열 데이터를 다양한 주파수 범위의 성분으로 적응적으로 분해한다. 이는 "얕은" 수준의 패턴 분리를 달성한다.
- 분해-재구성-분해 (D-R-D) 모듈을 통해 분해된 성분들 간의 정보를 점진적으로 추출하고 재분해한다. 이는 "깊은" 수준의 패턴 분리를 달성한다.
- 상호작용 및 융합 (IF) 모듈을 통해 분해된 성분들 간의 상호작용을 모델링한다.
- 7개의 실제 데이터셋에 대한 실험 결과, D-PAD가 기존 최신 모델들을 평균 9.48% MSE, 7.15% MAE 향상시켰다.
สถิติ
시계열 데이터의 다양한 주파수 범위의 패턴을 효과적으로 분리하고 모델링하여 예측 성능을 크게 향상시켰다.
คำพูด
"D-PAD는 시계열 데이터의 다양한 주파수 범위의 패턴을 효과적으로 분리하고 모델링하여, 기존 최신 모델들을 평균 9.48% MSE, 7.15% MAE 향상시킨다."