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.

DPWMixer: Dual-Path Wavelet Mixer for Long-Term Time Series Forecasting

Created by
  • Haebom
Category
Empty

저자

Li Qianyang, Zhang Xingjun, Wang Shaoxun, Wei Jia

DPWMixer: A Dual-Path Architecture for Long-Term Time Series Forecasting

개요

DPWMixer는 계산 효율적인 Dual-Path 아키텍처를 제안하여 장기 시계열 예측(LTSF) 문제를 해결합니다. 이 모델은 정보 손실 없이 추세와 국부 변동을 명시적으로 분리하기 위해 Lossless Haar Wavelet Pyramid를 활용합니다. 이를 통해, 전역 선형 매핑과 패치 기반 MLP-Mixer를 통합하는 Dual-Path Trend Mixer를 설계하고, 적응형 다중 스케일 융합 모듈을 통해 다양한 스케일의 예측을 융합합니다.

시사점, 한계점

•
시사점:
◦
계산 효율성이 높음.
◦
전통적인 풀링의 문제점(스펙트럼 앨리어싱 및 정보 손실)을 해결하기 위해 Lossless Haar Wavelet Pyramid를 사용.
◦
거시적 추세와 미시적 역학을 모두 포착하는 Dual-Path Trend Mixer를 설계.
◦
채널 정상성을 기반으로 가중치를 부여하는 적응형 다중 스케일 융합 모듈을 통해 예측 성능 향상.
◦
8개의 공개 벤치마크에서 SOTA(State-of-the-Art) 성능 달성.
•
한계점:
◦
논문에서 구체적인 한계점이 명시적으로 언급되지 않음.
👍
Made with Slashpage