FADTI: Fourier and Attention Driven Diffusion for Multivariate Time Series Imputation
작성자
카테고리
Empty
저자
Runze Li, Hanchen Wang, Wenjie Zhang, Binghao Li, Yu Zhang, Xuemin Lin, Ying Zhang
💡 개요
본 논문은 결측치가 많은 다변량 시계열 데이터의 결측치 복원을 위한 FADTI 프레임워크를 제안합니다. FADTI는 푸리에 변환과 어텐션 메커니즘을 결합하여, 특히 구조적인 결측 패턴에서 뛰어난 성능을 보입니다. 제안된 푸리에 편향 투영(FBP) 모듈은 학습 가능한 주파수 인식 편향을 주입하여, 기존 방법론의 시간 도메인 중심적인 접근 방식의 한계를 극복하고 정확도와 불확실성 추정 능력을 향상시킵니다.
🔑 시사점 및 한계
•
다변량 시계열 데이터에서 결측치 복원을 위한 효과적인 주파수 영역 활용 방안을 제시합니다.
•
구조적인 결측 패턴이나 높은 결측률에서도 뛰어난 복원 성능과 불확실성 추정 능력을 제공합니다.
•
다양한 푸리에 변환 기법(DFT, STFT, FSST)을 적용하여 다층적인 시간-주파수 정보를 포착할 수 있습니다.
•
실제 적용 시 FBP 모듈의 계산 복잡성 및 다양한 시계열 특성에 대한 일반화 성능 검증이 추가적으로 필요할 수 있습니다.