대규모 이질적 시계열 데이터에 대한 변분 양자화 기반 상태 공간 모델
본 연구에서는 이산 상태 공간 은닉 마르코프 모델과 최근 신경망 아키텍처 및 벡터 양자화 변분 자동 인코더 기반 학습 절차를 결합한 새로운 예측 모델을 제안한다. 관측값에 대한 변분 이산 사후 분포를 도입하고 잠재 상태와 방출 분포 매개변수를 교대로 학습하는 두 단계 학습 절차를 통해, 다양한 방출 법칙을 학습하고 숨겨진 프로세스 동역학에 따라 이를 활성화함으로써 대규모 데이터셋을 탐색하고 사용 가능한 외부 신호를 활용할 수 있다. 다양한 데이터셋에 대한 성능 평가를 통해 제안된 방법이 다른 최신 솔루션을 능가함을 보인다.