STEPS: 시계열 예측을 위한 다양체 상의 시간적 오차 전파 솔버

Test-Time Adaptation (TTA)은 추론 과정에서 드러나는 제한된 관측치를 사용하여 분포 변화 하에서의 시계열 예측 성능을 향상시키는 것을 목표로 합니다. 하지만, 예측 TTA는 적응 신호가 짧고, 시간적으로 상관관계가 있으며, 잠재적으로 노이즈가 있는 소스 프리(source-free) 온라인 환경에서 작동해야 합니다. 따라서 기존 방법들은 드러난 접두사(prefix)가 희소하거나 오염되었을 때 약한 식별성(identifiability), 오차 누적(error accumulation), 그리고 불안정한 장기 예측 수정(long-horizon corrections) 등의 문제에 직면할 수 있습니다. 이러한 문제를 해결하기 위해, 우리는 시계열 예측 TTA를 위한 부드러운 시간적 오차 전파 솔버인 STEPS를 제안합니다. STEPS는 예측 TTA를 시간 다양체 상의 디리클레 경계값 문제(Dirichlet Boundary Value Problem)로 재정식화하며, 여기서