본 논문은 장기 다변량 시계열 예측을 위한 Bi-Mamba4TS 모델을 제안한다.
시계열 데이터의 장기 의존성 모델링: Bi-Mamba4TS는 시계열 데이터를 패치 단위로 나누어 토큰화하여 세부적인 진화 패턴을 포착한다. 이를 통해 기존 모델들의 한계인 장기 의존성 모델링 문제를 해결한다.
채널 독립적 및 채널 혼합 토큰화 전략 통합: Bi-Mamba4TS는 채널 독립적 및 채널 혼합 토큰화 전략을 통합하여 데이터 특성에 따라 최적의 전략을 자동으로 선택한다. 이를 통해 다변량 시계열 데이터의 내부 및 외부 의존성을 효과적으로 모델링할 수 있다.
SRA 결정기를 통한 최적 토큰화 전략 선택: Bi-Mamba4TS는 SRA 결정기를 통해 데이터 특성에 따라 채널 독립적 또는 채널 혼합 토큰화 전략을 자동으로 선택한다. 이는 기존 모델들의 수동 선택 방식의 한계를 극복한다.
Mamba 기반 장기 의존성 모델링: Bi-Mamba4TS는 Mamba 모듈을 활용하여 선형 계산 복잡도로 장기 의존성을 효과적으로 모델링한다. 이를 통해 Transformer 기반 모델들의 계산 효율성 문제를 해결한다.
실험 결과: 7개의 실제 데이터셋에 대한 실험 결과, Bi-Mamba4TS는 기존 SOTA 모델들에 비해 더 정확한 예측 성능을 보였다. 또한 모델 효율성 측면에서도 우수한 성능을 나타냈다.
To Another Language
from source content
arxiv.org
Thông tin chi tiết chính được chắt lọc từ
by Aobo Liang,X... lúc arxiv.org 04-25-2024
https://arxiv.org/pdf/2404.15772.pdfYêu cầu sâu hơn