PFRP(Predicting the Future by Retrieving the Past)는 전역적인 과거 데이터를 활용하여 시계열 예측 정확도를 향상시키는 새로운 접근 방식입니다. 이는 기존 딥러닝 모델들이 훈련 과정에서 암묵적으로 역사 정보를 압축하는 반면, 추론 시에는 로컬 컨텍스트에만 의존하는 한계를 극복하기 위해 제안되었습니다. PFRP는 Global Memory Bank (GMB)를 사용하여 전역적인 역사 패턴을 저장하고 관리하며, 검색 메커니즘을 통해 GMB에서 유사 패턴을 추출하여 전역 예측을 생성합니다. 최종적으로, PFRP는 이러한 전역 예측과 로컬 예측 모델의 출력을 결합하여 더 정확하고 해석 가능한 예측을 생성합니다. 7개의 실제 데이터셋에 대한 실험 결과, PFRP는 고급 단변량 예측 모델의 평균 성능을 8.4% 향상시켰습니다.
