비정상 시계열 예측을 위한 주파수 적응형 정규화
본 논문은 시계열 데이터의 추세와 계절성 패턴 변화를 효과적으로 처리하기 위해 주파수 적응형 정규화 기법을 제안한다. 이 방법은 입력 데이터의 주요 주파수 성분을 추출하고 예측 모델에 전달하여 비정상성을 완화한다. 또한 입력과 출력 간 주파수 성분 변화를 예측하는 모듈을 통해 비정상 패턴의 진화를 다룬다.
시계열 행동 예측을 위한 최적의 RNN 셀 구조는 무엇인가?
시계열 데이터의 다양한 행동 특성을 고려하여 각 행동에 가장 적합한 RNN 셀 구조를 제시한다.
장기 시계열 기반 모델 개발을 위한 연구
다변량 시계열 데이터의 장기 의존성을 효과적으로 모델링하기 위한 압축 메모리 메커니즘 제안
장기 시계열 예측을 위한 다층 퍼셉트론 모델의 효율적 향상 전략
제안된 CP-Net 모델은 다층 퍼셉트론 레이어의 효율성을 향상시키기 위해 두 단계의 정보 조밀화 전략을 활용한다. 이를 통해 단기 및 장기 시계열 패턴을 효과적으로 포착할 수 있다.
화학 산업 지수 예측을 위한 딥 러닝과 VARMA 모델의 하이브리드 모델 DeepVARMA
화학 산업 지수 예측을 위해 LSTM과 VARMA 모델을 결합한 DeepVARMA 모델을 제안하였다. DeepVARMA 모델은 LSTM을 통해 장기 추세를 학습하고, VARMA 모델을 통해 다변량 상관관계를 모델링하여 보다 정확하고 안정적인 예측 성능을 달성한다.
심층 시계열 예측을 위한 데이터, 지표 및 방법론에 대한 통합적 관점
다양한 데이터 시나리오, 포괄적인 평가 지표 및 혁신적인 방법론을 통합하여 심층 시계열 예측의 한계를 극복하고자 한다.
시계열 예측을 위한 다중 주파수 패턴 분리 딥-얕은 신경망 D-PAD
D-PAD는 시계열 데이터의 다양한 주파수 범위의 패턴을 효과적으로 분리하고 모델링하여, 기존 최신 모델들을 평균 9.48% MSE, 7.15% MAE 향상시킨다.
실제 데이터 기반 유연한 비선형 추세 베이지안 지수 평활 모델
본 논문은 기존 지수 평활 모델의 한계를 극복하기 위해 선형 추세보다 빠르지만 지수 추세보다 느린 시계열 데이터를 효과적으로 모델링할 수 있는 새로운 모델을 제안한다. 제안 모델은 베이지안 추정 기법을 활용하여 유연한 비선형 추세와 이분산 오차 분포를 모델링할 수 있다.
시계열 예측을 위한 그레이 기반 신경망 모델
본 연구는 그레이 시스템 이론을 활용하여 신경망 모델의 해석성과 소량의 데이터에서도 효과적으로 작동할 수 있는 능력을 향상시킨다. 이를 통해 실세계의 잠재적인 패턴을 파악하고 실증 데이터를 기반으로 신뢰할 수 있는 예측을 제공한다.
