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

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.