Learning from History: A Retrieval-Augmented Framework for Spatiotemporal Prediction
Created by
Haebom
Category
Empty
저자
Hao Jia, Penghao Zhao, Hao Wu, Yuan Gao, Yangyu Tao, Bin Cui
개요
본 논문은 복잡한 물리 시스템의 정확하고 장기적인 시공간 예측을 위한 새로운 프레임워크인 Retrieval-Augmented Prediction (RAP)을 제안한다. RAP은 딥러닝 모델의 예측 능력과 과거 데이터의 현실적 진실성을 결합한 하이브리드 접근 방식이다. RAP은 주어진 상태에 대해 가장 유사한 과거 데이터를 검색하여 해당 데이터의 미래 변화를 모델의 예측을 위한 강력한 조건부 입력으로 활용한다. 이 접근 방식은 장기적인 예측에서 오류 누적으로 인한 물리적으로 부자연스러운 결과를 개선하여, 기존 방법론 및 아날로그 기반 예측 방식보다 우수한 성능을 보였다.
시사점, 한계점
•
시사점:
◦
딥러닝 기반 예측 모델의 오류 누적 문제를 해결하기 위한 새로운 하이브리드 프레임워크 제시
