STEPS: 시계열 예측을 위한 다양체 상의 시간적 오차 전파 솔버
요약
STEPS는 제한된 관측치와 노이즈가 있는 소스 프리 온라인 환경에서 시계열 예측 성능을 향상시키기 위한 새로운 접근 방식입니다. 이 방법은 기존의 Test-Time Adaptation(TTA)가 직면하는 희소한 접두사, 오차 누적, 불안정한 장기 예측 수정 등의 문제를 해결합니다. STEPS는 시계열 예측 TTA를 시간 다양체 상의 디리클레 경계값 문제로 재정식화하여 안정적이고 효과적인 오차 전파 솔버를 제공합니다.
핵심 포인트
- STEPS는 소스 프리(source-free) 온라인 환경에서의 시계열 예측 TTA를 목표로 합니다.
- 기존 방법들은 희소하거나 오염된 접두사, 오차 누적, 불안정한 장기 예측 수정 등의 문제에 취약합니다.
- 제안된 STEPS는 시간 다양체 상의 디리클레 경계값 문제(Dirichlet Boundary Value Problem)로 TTA를 재정식화합니다.
- STEPS는 시계열 예측 과정에서 발생하는 시간적 오차 전파 문제를 해결하는 솔버 역할을 합니다.
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
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.LG의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기