登录
洞察 - 다변량 시계열 예측
시계열 데이터의 분포 drift 적응을 위한 시간 조건부 변분 오토인코더를 이용한 다변량 시계열 예측
실세계 다변량 시계열 데이터의 분포가 시간에 따라 변화하는 분포 drift 문제를 해결하기 위해, 시간 조건부 변분 오토인코더 모델을 제안하여 과거 관측값과 미래 데이터 간의 동적 분포 의존성을 모델링하고 예측에 활용한다.
다변량 시계열 예측을 위한 채널 의존성 재고찰: 선행 지표로부터의 학습
다변량 시계열 데이터에는 국소적으로 정상적인 선행-지연 관계가 존재하며, 이를 활용하면 지연 변수의 예측 성능을 향상시킬 수 있다.
다변량 시계열 예측을 위한 더 나은, 더 빠른, 더 간단한 주의 집중 코퓰라
본 연구는 다변량 확률 시계열 예측을 위한 새로운 모델을 제안한다. 코퓰라 이론을 기반으로 하는 이 모델은 분포 매개변수의 수가 변수 수에 선형적으로 증가하는 간소화된 목적 함수를 사용한다. 이를 통해 더 나은 학습 동역학을 달성하면서도 다양한 실세계 예측 작업에서 최첨단 성능을 보인다.
