[ICLR 2024] 시계열 예측의 발전 - LG AI Research 블로그

ICLR 2024에서 발표된 혁신적인 시계열 예측 모델들의 방법론과 기술적 특징을 소개한다.

최근 시계열 예측 분야의 혁신이 가속화됨에 따라, ICLR 2024에서는 예측 정확도와 효율성을 높이기 위한 다양한 방법론이 제시되었습니다. 주요 연구 모델은 다음과 같습니다.

FITS (Frequency Interpolation Time Series Analysis Baseline): 주파수 도메인을 활용하여 1만 개 정도의 적은 파라미터만으로도 뛰어난 성능을 구현합니다. 시간 도메인의 예측과 주파수 도메인의 보간 사이의 동치성을 활용하며, 연산 효율성이 매우 높아 저사양 환경에서도 유용합니다.
ModernTCN: Transformer 구조에서 영감을 받은 혁신적인 Convolutional Network 아키텍처입니다. 시계열 데이터를 패치로 분할하고 새로운 Convolution 구조를 사용하여, 예측뿐만 아니라 이상 감지, 분류, 결측치 복원 등 다양한 Task에서 높은 성능과 빠른 학습 속도를 보여줍니다.
TimeMixer: 다양한 스케일의 샘플링을 통해 시계열의 Trend와 Seasonality를 포착합니다. Trend에는 하향식(Coarse-to-fine), Seasonality에는 상향식(Fine-to-coarse) Feature Mixing 전략을 채택하여 기존 모델을 능가하는 예측 성능을 확보했습니다.