DMSC: Dynamic Multi-Scale Coordination Framework for Time Series Forecasting
Created by
Haebom
저자
Haonan Yang, Jianchao Tang, Zhuo Li, Long Lan
개요
본 논문은 다양한 스케일의 복잡한 시간적 의존성을 모델링하는 데 어려움을 겪는 시계열 예측(TSF) 문제를 해결하기 위해 새로운 동적 다중 스케일 조정 프레임워크(DMSC)를 제안합니다. DMSC는 다중 스케일 패치 분해 블록(EMPD), 삼중 상호작용 블록(TIB), 적응적 스케일 라우팅 MoE 블록(ASR-MoE)의 세 가지 핵심 구성 요소로 이루어져 있습니다. EMPD는 입력에 적응적으로 패치 크기를 조정하여 계층적 패치로 시퀀스를 동적으로 분할합니다. TIB는 각 레이어의 분해된 표현 내에서 패치 내, 패치 간 및 변수 간의 의존성을 공동으로 모델링합니다. EMPD와 TIB는 다층 진보적 캐스케이드 구조를 형성하며, 이전 레이어의 조잡한 표현은 게이트 경로를 통해 후속 레이어의 미세한 특징 추출을 안내합니다. ASR-MoE는 시간적 인식 가중치를 사용하여 특수화된 전역 및 지역 전문가를 활용하여 다중 스케일 예측을 동적으로 융합합니다. 13개의 실제 벤치마크에 대한 실험 결과, DMSC는 TSF 작업에서 최첨단(SOTA) 성능과 우수한 계산 효율성을 지속적으로 유지함을 보여줍니다. 코드는 https://github.com/1327679995/DMSC 에서 확인할 수 있습니다.
시사점, 한계점
•
시사점:
◦
기존 방법들의 한계점인 정적 분해 전략, 단편적인 의존성 모델링, 비유연적인 융합 메커니즘을 해결하는 새로운 프레임워크 제시.
◦
입력에 적응적인 다중 스케일 패치 분해를 통해 다양한 스케일의 시간적 의존성을 효과적으로 모델링.
◦
패치 내, 패치 간, 변수 간의 복잡한 상호작용을 고려하는 삼중 상호작용 블록 도입.
◦
시간적 인식 가중치를 사용한 적응적 스케일 라우팅 MoE를 통해 다중 스케일 예측을 효율적으로 융합.
