Detailed Information
Cited 0 time in 
Cited 0 time in 
Cited 0 time in
Metadata Downloads
다중 스케일 특징 융합을 통한 트랜스포머 기반 장기 시계열 예측 정확도 향상 기법Fusion of Multi-Scale Features towards Improving Accuracy of Long-Term Time Series Forecasting
- Other Titles
- Fusion of Multi-Scale Features towards Improving Accuracy of Long-Term Time Series Forecasting
- Issue Date
- Nov-2022
- Publisher
- 한국정보처리학회
- Citation
- 한국정보처리학회 ACK 2022(추계학술발표대회), v.29, no.2, pp 539 - 540
- Pages
- 2
- Indexed
- DOMESTIC
- Journal Title
- 한국정보처리학회 ACK 2022(추계학술발표대회)
- Volume
- 29
- Number
- 2
- Start Page
- 539
- End Page
- 540
- ISSN
- 2005-0011
2671-7298
- Abstract
- 본 논문에서는 정확한 장기 시계열 예측을 위해 시계열 데이터의 다양한 스케일 (시간 규모)에서 표현을 학습하는 트랜스포머 모델을 제안한다. 제안하는 모델은 시계열의 다중 스케일 특징을 추출하고, 이를 트랜스포머에 반영하여 예측 시계열을 생성하는 구조로 되어 있다. 스케일 정규화 과정을 통해 시계열의 전역적 및 지역적인 시간 정보를 효율적으로 융합하여 종속성을 학습한다. 3 가지의 다변량 시계열 데이터를 이용한 실험을 통해 제안하는 방법의 우수성을 보인다.
- Files in This Item
- Go to Link
- Appears in
Collections - 서울 공과대학 > 서울 컴퓨터소프트웨어학부 > 1. Journal Articles
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.
Related Researcher
- Chae, Dong Kyu
- COLLEGE OF ENGINEERING (SCHOOL OF COMPUTER SCIENCE)