본 논문은 신경망을 이용한 연속적 시계열 분석에서 기존 모델의 catastrophic forgetting (CF) 문제를 해결하기 위해 EM-ReSeleCT (Efficient Multivariate Representative Selection for Continual Learning in Time Series Tasks)라는 새로운 방법을 제안합니다. EM-ReSeleCT는 기존 데이터와 새로운 데이터의 대표적인 부분집합을 전략적으로 선택하고, 메모리 기반 연속 학습 기법과 향상된 최적화 알고리즘을 결합하여 이전에 학습된 정보를 유지하면서 새로운 정보에 모델을 적응시킵니다. 특히, 차량 상태 추정을 위해 설계된 시퀀스-투-시퀀스 트랜스포머 모델(자기회귀 모델)과 신뢰구간 예측을 이용한 불확실성 정량화 프레임워크를 제시하며, 전기 Equinox 차량을 이용한 실험 결과를 통해 기존 방법보다 우수한 성능과 훈련 시간 단축 효과를 보여줍니다. 이는 다변량 출력 환경에서의 연속적 시계열 분석에 특히 효과적입니다.
