Multivariate Time Series Forecasting Reflecting Dynamic Variate Similarity and Temporal Information

Q: 이 논문에서 정의한 ElxaTST란 무엇인가?

효율적인 Lead-lag Cross Attention을 통합하여 다변량 시계열 데이터 내 변수 간의 동적인 상호 작용과 시간적 선행-지연 관계를 동시에 모델링하는 새로운 예측 프레임워크다. 이는 입력 시퀀스를 추세와 계절성으로 분해하여 처리하며 계산 복잡성을 낮추면서도 예측 정확도를 높인 모델이다.

Q: ElxaTST가 다변량 시계열 예측 성능을 높이는 핵심 기제는 무엇인가?

연구 결과, 코사인 유사도를 통해 상위 k개의 유사 변수를 식별하고 관련 시간 패치를 샘플링하여 교차 어텐션에 적용함으로써 변수 간 종속성과 시간적 lead-lag 관계를 효율적으로 캡처한다. 이를 통해 계산 복잡도를 줄이면서도 기존 모델보다 우수한 예측 성능을 달성한다.

Seungjae Park; Hyukjae Kwon; Kisu Lee; Won-Yong Shin; Ha Young Kim

학술대회자료

Multivariate Time Series Forecasting Reflecting Dynamic Variate Similarity and Temporal Information 동적 변수 상관성과 시접 정보를 반영한 다변량 시계열 예측

저자정보: Seungjae Park (Yonsei Univ.) Hyukjae Kwon (Yonsei Univ.) Kisu Lee (Yonsei Univ.) Won-Yong Shin (Yonsei Univ.) Ha Young Kim (Yonsei Univ.)

저널정보: 한국통신학회 한국통신학회 학술대회논문집 2025년도 한국통신학회 동계종합학술발표회 논문집

발행연도: 2025.2

수록면: 516 - 517 (2page)

오류 신고하기

피인용 0

Multivariate Time Series Forecasting Reflecting Dynamic Variate Similarity and Temporal Information

검색

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

Multivariate Time Series Forecasting Reflecting Dynamic Variate Similarity and Temporal Information 동적 변수 상관성과 시접 정보를 반영한 다변량 시계열 예측

논문 기본 정보

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료