https://arxiv.org/abs/2106.09305
Time Series is a Special Sequence: Forecasting with Sample Convolution and Interaction
Time series is a special type of sequence data, a set of observations collected at even time intervals and ordered chronologically. Existing deep learning techniques use generic sequence models (e.g., recurrent neural network, Transformer model, or tempora
arxiv.org
2021년 2학기 딥러닝 수업의 기말발표를 통해 알게 된 논문이다.
원제: Time Series is a Special Sequence: Forecasting with Sampe Convolution and Interaction
이 논문에서는 시계열 예측을 위해 Binary Tree 구조와 CNN Unit을 활용한 예측방법인 SCINet을 소개한다.
Official code는 Pytorch로 구현되었다고 하며, Tensorflow로 구현한 코드도 있다고 한다.
시계열 예측을 위해서 그동안 RNN기반의 모델들 (LSTM, GRU)과 통계적 기법인 ARIMA를 적용해왔다.
통계적 기법보다는 딥러닝 기반의 모델의 성능이 우수했기 때문에 LSTM을 사용할 때 '당연히 시계열이니까 LSTM'이라 생각하고 써왔던 것 같다.
하지만 이 논문에서 RNN은 시계열 데이터의 특성을 반영하기 어렵기 때문에,
시계열에 맞는 딥러닝 모델이 필요하다고 한다.
그래서 그들이 고안해 낸 모델이 바로 Sampe Convolution and Interaction Net : SCINet 인 것이다.
다음에....
시간이 허락한다묜........
상세하게 논문 리뷰를 해야겠다............
