登录
洞察 - 시계열 분석 및 예측
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.
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.
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.
