Non-stationary Diffusion For Probabilistic Time Series Forecasting

Created by

Haebom

저자

Weiwei Ye, Zhuopeng Xu, Ning Gui

💡 개요

시간이 지남에 따라 불확실성이 변하는 시계열 데이터의 예측에서, 기존의 확산 모델(DDPM)은 고정된 분산 가정으로 인해 이러한 비정상적인 특성을 포착하는 데 한계가 있었습니다. 본 논문은 위치-스케일 노이즈 모델(LSNM)을 도입하여 고정된 불확실성 가정을 완화하는 새로운 비정상 확산(NsDiff) 프레임워크를 제안합니다. NsDiff는 사전 훈련된 조건부 평균 및 분산 추정기와 결합된 생성 모델을 통해 변화하는 불확실성 패턴을 모델링하고 적응적인 종단점 분포를 생성합니다.

🔑 시사점 및 한계

•

시간에 따라 변하는 시계열 데이터의 불확실성을 효과적으로 모델링할 수 있는 새로운 확산 기반 예측 방법론을 제시합니다.

•

LSNM과 불확실성 인식 노이즈 스케줄을 도입하여 기존 DDPM의 고정된 분산 가정을 극복하고 예측 성능을 향상시킵니다.

•

제안된 NsDiff는 다양한 실제 및 합성 데이터셋에서 기존 접근 방식보다 우수한 성능을 입증했습니다.

•

제안된 모델의 계산 복잡성 또는 대규모 시계열 데이터셋에 대한 확장성에 대한 추가적인 연구가 필요할 수 있습니다.

PDF 보기

Made with Slashpage