PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.17996v1cs.LG

채널 상관관계를 갖는 다중 주기성과 웨이블릿 분해를 이용한 장기 시계열 예측

Multiple cyclicity and Wavelet Decomposition with Channel Correlation for Long-term Time Series Forecasting

주기성과 추세는 시계열 데이터의 중요한 구성 요소이며, 이를 기반으로 한 많은 연구가 장기 시계열 예측에서 좋은 결과를 달성했습니다. 그러나 우리는 현재 연구들이 시계열 데이터 내 현실 세계의 채널 간 상관관계의 영향을 간과하여 최적이 아닌 예측을 초래한다고 봅니다. 더욱이, 이러한 모델들은 다양한 정보를 포착하기 위해 복잡한 설계에 의존함으로써 계산 효율성이 낮습니다. 이러한 문제를 해결하기 위해 우리는 주기성, 추세, 그리고 채널 간 상관관계를 각각 모델링하는 장기 시계열 예측 모델인 McWC를 제안합니다. 구체적으로, McWC는 먼저 다층 주기성 구성 모듈을 사용하여 데이터에서 주기적 정보를 분리합니다. 그 다음, 다층 퍼셉트론(multi-layer perceptron)을 사용하여 채널 간 상관관계를 추출합니다. 이어서, 다중 레벨 웨이블릿 분해 모듈을 사용하여 데이터의 다층 고주파 및 저주파 정보를 모델링하고 융합합니다. 마지막으로, 서로 다른 구성 요소의 결과를 집계하여 출력을 얻습니다. 동시에, 주파수 영역에서 손실 함수를 계산하여 채널 내 자기상관관계를 분리합니다. 6개의 실제 데이터셋에 대한 실험 결과, McWC는 최첨단(state-of-the-art) 성능을 달성하며 뛰어난 계산 효율성과 과거 정보 추출 능력을 보여주었습니다.