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.

HiMoE: Heterogeneity-Informed Mixture-of-Experts for Fair Spatial-Temporal Forecasting

Created by
  • Haebom

저자

Shaohan Yu, Pan Deng, Yu Zhao, Junting Liu, Zi'ang Wang

개요

본 논문은 공간-시간 예측에서 정확성과 일관성 있는 예측 성능을 모두 달성하는 방법을 제시합니다. 기존 방법들이 이질적인 공간 노드들을 완전히 평균화된 관점에서 다루어 편향된 예측 결과를 초래하는 문제를 해결하기 위해, 이질성을 고려한 전문가 혼합 모델(HiMoE) 프레임워크를 제안합니다. HiMoE는 추세 이질성을 해결하는 HiGCN(Heterogeneity-Informed Graph Convolutional Network)과 노드 간 기수 이질성을 처리하는 NMoE(Node-wise Mixture-of-Experts) 모듈로 구성됩니다. 또한, 공간-시간 예측의 공정성을 다루는 벤치마크인 STFairBench를 제시합니다. 실험 결과, HiMoE는 기존 최고 성능 모델보다 모든 평가 지표에서 최소 9.22% 이상 향상된 성능을 보였습니다.

시사점, 한계점

시사점:
공간-시간 예측에서 정확성과 일관성을 동시에 향상시키는 새로운 프레임워크(HiMoE) 제시
이질적인 공간 노드의 특성을 고려하여 더욱 정확하고 공정한 예측 가능
공간-시간 예측의 공정성 평가를 위한 새로운 벤치마크(STFairBench) 제시
다양한 실제 데이터셋에서 SOTA 성능 달성
한계점:
STFairBench 벤치마크의 일반화 가능성에 대한 추가 연구 필요
HiMoE의 복잡성으로 인한 계산 비용 증가 가능성
다양한 유형의 이질성에 대한 HiMoE의 일반화 성능 검증 필요
👍