ChronosX: Adapting Pretrained Time Series Models with Exogenous Variables
Created by
Haebom
Category
Empty
저자
Sebastian Pineda Arango, Pedro Mercado, Shubham Kapoor, Abdul Fatir Ansari, Lorenzo Stella, Huibin Shen, Hugo Senetaire, Caner Turkmen, Oleksandr Shchur, Danielle C. Maddix, Michael Bohlke-Schneider, Yuyang Wang, Syama Sundar Rangapuram
개요
본 논문은 사전 훈련된 시계열 예측 모델에 공변량(covariates) 정보를 효과적으로 통합하는 새로운 방법을 제시합니다. 기존의 사전 훈련된 대규모 언어 모델 기반 시계열 예측 모델들은 공변량을 활용하는 데 어려움을 겪는데, 본 논문에서는 사전 훈련된 모델을 수정하지 않고, 과거 및 미래 공변량 정보를 주입하는 모듈형 블록을 통해 공변량 정보를 통합합니다. 다양한 동적 특성을 가진 32개의 합성 데이터셋으로 구성된 벤치마크를 도입하여 제안된 방법의 효과를 평가하였으며, 합성 및 실제 데이터셋에 대한 광범위한 실험 결과, 제안된 방법이 기존 방법보다 우수한 성능을 보임을 확인했습니다.
시사점, 한계점
•
시사점:
◦
사전 훈련된 시계열 예측 모델에 공변량 정보를 효과적으로 통합하는 새로운 방법 제시
◦
기존 모델 수정 없이 모듈형 블록을 통해 공변량 정보 활용 가능
◦
합성 및 실제 데이터셋에서 기존 방법 대비 우수한 예측 성능 확인
◦
다양한 동적 특성을 가진 합성 데이터셋 기반 벤치마크 제공
•
한계점:
◦
제시된 벤치마크는 합성 데이터셋 위주로 구성되어 실제 응용 분야의 일반화 성능 검증이 추가적으로 필요할 수 있음.
