불규칙 다변량 시계열을 위한 유효하고 표현력이 풍부한 코풀라 (Copulas)

우리는 불규칙 다변량 시계열 (Irregular Multivariate Time Series, IMTS)의 확률적 예측을 위한 코풀라 (Copula) 모델인 CopFITi를 소개합니다. 우리 모델은 단변량 주변 분포 (Univariate Marginals)를 위한 정규화 흐름 (Normalizing Flows)의 표현력과, 결합 의존 구조 (Joint Dependency Structure)를 위한 가우시안 혼합 코풀라 (Gaussian Mixture Copula)의 일관성 및 유연성을 결합합니다. 우리의 실험 결과에 따르면, 주변 분포를 결합 분포로부터 분리하는 코풀라 기반 접근 방식이 전체 결합 분포를 직접 피팅하는 아키텍처보다 더 나은 주변 모델을 생성함을 보여줍니다. CopFITi를 통해, 우리는 구조적으로 주변화 일관성 (Marginalization-consistent)을 갖춘 최초의 IMTS 코풀라를 제안하며, 결합 IMTS 밀도 모델링 (Joint IMTS Density Modeling) 분야에서 새로운 SOTA (State of the Art)를 구축합니다.