Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

LeForecast: Enterprise Hybrid Forecast by Time Series Intelligence

Created by
  • Haebom

저자

Zheng Tan, Yiwen Nie, Wenfa Wu, Guanyu Zhang, Yanze Liu, Xinyuan Tian, Kailin Gao, Mengya Liu, Qijiang Cheng, Haipeng Jiang, Yingzheng Ma, Wei Zheng, Yuci Zhu, Yuanyuan Sun, Xiangyu Lei, Xiyu Guan, Wanqing Huang, Shouming Liu, Xiangquan Meng, Pengzhan Qu, Chao Yang, Jiaxuan Fan, Yuan He, Hongsheng Qi, Yangzhou Du

개요

본 논문은 산업 분야의 다양한 수요 예측, 제품 계획, 재고 최적화 등을 위한 지능형 비즈니스 관리 시스템 구축을 목표로, 시계열 예측에 특화된 엔터프라이즈 인텔리전스 플랫폼인 'LeForecast'를 제시한다. LeForecast는 대규모 기초 모델(Le-TSFM), 다중 모달 모델, 하이브리드 모델을 결합한 3가지 기둥 모델 엔진과 시계열 데이터 및 다중 소스 정보에 대한 고급 해석 기능을 통합한다. 모델 풀, 모델 프로파일링 모듈, 두 가지 융합 접근 방식(라우터 기반 융합 네트워크 및 대규모-소규모 모델 조정)으로 구성된 LeForecast는 산업 현장 세 가지 활용 사례를 통해 효율성과 경쟁력 있는 성능을 검증하였다.

시사점, 한계점

•
시사점:
◦
대규모 기초 모델을 활용한 효율적이고 경쟁력 있는 시계열 예측 플랫폼 LeForecast 제시.
◦
다양한 산업 분야에서의 시계열 예측 문제 해결에 기여.
◦
라우터 기반 융합 네트워크 및 대규모-소규모 모델 조정을 통한 효과적인 모델 융합 전략 제시.
◦
기업 운영 전반에 걸친 최적화를 위한 통찰력 제공.
•
한계점:
◦
LeForecast의 구축 및 유지보수에 따른 높은 비용 발생 가능성. (Redundant development and maintenance of models)
◦
세 가지 산업 활용 사례만 제시되어 일반화 가능성에 대한 추가적인 검증 필요.
◦
Le-TSFM 등 구체적인 모델 아키텍처 및 학습 과정에 대한 상세한 설명 부족.
👍
Made with Slashpage