SDMixer: Sparse Dual-Mixer for Time Series Forecasting

Created by

Haebom

저자

Xiang Ao

💡 개요

다변량 시계열 예측은 교통, 에너지, 금융 등 다양한 분야에서 중요하지만, 다중 스케일 특성, 약한 상관관계, 노이즈 간섭 등의 문제로 기존 모델의 성능이 제한됩니다. 본 논문은 시간 및 주파수 영역에서 각각 전역 추세와 지역 동적 특징을 추출하는 이중 스트림 희소 Mixer 예측 프레임워크를 제안합니다. 희소성 메커니즘을 활용하여 유효하지 않은 정보를 걸러내어 변수 간 의존성 모델링의 정확도를 향상시킵니다.

🔑 시사점 및 한계

•

시간 및 주파수 도메인을 모두 활용하여 다중 스케일 특성, 약한 상관관계, 노이즈 간섭 문제를 해결할 수 있는 새로운 시계열 예측 방법론을 제시합니다.

•

희소성 메커니즘을 도입하여 불필요한 정보를 제거하고 변수 간 복잡한 의존성을 효과적으로 모델링하는 능력을 강화합니다.

•

다양한 실제 데이터셋에서 우수한 성능을 입증하며, 시계열 예측 분야의 발전에 기여할 잠재력을 보여줍니다.

PDF 보기

Made with Slashpage