CTIA-ODE: 장기 시계열 예측을 위한 연속 시간 변수 간 어텐션

요약

본 논문은 다변량 시계열 예측의 한계를 극복하기 위해 연속 시간 변수 간 어텐션(CTIA)을 도입한 CTIA-ODE 프레임워크를 제안합니다. 이 모델은 상미분 방정식(ODE) 솔버 내에서 작동하며, 명시적 시간 정렬 없이도 외생적 컨텍스트를 동적으로 조회할 수 있습니다. 또한, 안정성 개선과 이상치 처리를 위한 여러 전략을 통합하여 장기 예측 성능을 높였습니다.

핵심 포인트

• CTIA-ODE는 연속 시간 변수 간 어텐션을 활용한 시계열 예측 프레임워크입니다.
• 상미분 방정식(ODE) 솔버를 사용하여 명시적 시간 정렬 없이 외생 변수를 통합합니다.
• 이중 안정화 전략과 이상치에 강건한 하이브리드 손실 함수를 도입했습니다.
• 다양한 데이터셋에서 최첨단 성능을 보이며, 정확도와 효율성 트레이드오프가 우수합니다.