• 목록

[일시]
2024.07.17

[세미나 주제]
SOFTS: Efficient Multivariate Time Series Forecasting with Series-Core Fusion

[발표자]
백승준

[요약]
본 발표는 별모양의 구조를 통해 채널 정보를 간접적으로 교환하는, MLP 기반의 효율적인 Long-term time series forecasting을 수행하는 Softs 모델을 소개한다. 기존의 Transfomer 모델은 데이터의 Distribution Drift가 발생하거나, 이상치가 존재하면 예측 성능이 저하된다는 문제점이 있었다. 또한 해당 문제를 해결하기 위해 채널을 독립적으로 파악하면 변수간 관계성을 고려하지 못하여 성능이 떨어지는 문제가 존재하였고, 변수 간 상관관계를 고려하여 학습을 진행하면 모델의 복잡성이 증가한다는 문제가 발생하였다. SOFTS는 이러한 Transformer의 문제점을 해결하는 효율적인 MLP 기반의 모델이다. 데이터가 들어오면 SOFTS는 모델의 Reversable Instance Normalization, Series Embedding, Channel Interaction, Linear predictor의 과정을 수행하여 학습 및 예측을 수행한다. Channel Interaction 과정에서 별 모양의 STar Aggregate-Redistribute(STAR) module을 통해 채널의 정보를 집계하고 교환하여, 데이터는 간접적으로 상호작용한다. 이 과정을 통해 SOFTS는 채널 수와 lookback window의 수만을 고려하여 예측을 수행한다. SOFTS는 Transformer 모델에 비해 단순한 모델 구조를 가지며, 이상치와 Distribution Shift에 강건성을 확보하여 Long-term time series forecasting의 예측 정확도를 향상시켰다.

[관련 논문]
- SOFTS: Efficient Multivariate Time Series Forecasting with Series-Core Fusion