본 논문은 다변량 시계열 데이터의 정확한 예측이 많은 공학 및 과학 분야에서 중요함을 강조하며, 기존 최첨단 연구들이 변수 간의 상호 관계를 무시하고 각 변수에 대해 독립적으로 모델을 적용하는 한계를 지적합니다. 이를 해결하기 위해 다변량 예측 문제를 다중 작업 학습 문제로 보고, 작업 기울기 사이의 각도와 균형을 고려하여 예측 분석을 수행하는 새로운 프레임워크 MTLinear를 제안합니다. 선형 모델 분석을 통해 유사한 변수들을 그룹화하여 작업을 정의하고, 상관관계 기반 유사성을 활용한 간단한 클러스터링으로 이를 구현합니다. 또한, 예측 오류를 기반으로 기울기를 조정하여 작업의 균형을 맞춥니다. 다양한 벤치마크 실험을 통해 제안된 방법이 기존 최고 성능 모델들과 비교하여 동등하거나 더 나은 결과를 얻음을 보여줍니다. 소스 코드는 공개되어 있습니다.
