장기 시계열 예측은 주어진 모든 정보를 바탕으로 가능한 정확하게 긴 미래를 예측하는 방법론을 이야기 합니다. 하지만, 전통적인 통계 기반의 시계열 예측 방법론들은 예측의 부정확성으로 인해 금융, 의료, 보건 그리고 교통 뿐만 아니라 다양한 분야에서 활용되지 못하였습니다. 하지만, 최근 2~3년간 딥러닝 기술을 적용하여 발표되고 있는 장기 시계열 방법론들은 다양한 예측 문제에서 높은 성능 뿐만 아니라, 계산 복잡도도 크게 낮추었습니다. 본 세미나에서는 처음으로 장기 시계열 예측에 정확성과 속도 측면에서 큰 성능향상을 보여준 Informer model을 시작으로한 다양한 최신 연구들을 소개합니다.
- Informer : Long-term time series task에서 Transformer를 이용해 우수한 성능과 장기 시계열 예측의 시간복잡도를 감소시킨 기념비적인 연구
- Autoformer, FEDformer, ETSformer : Informer에 incremental한 연구들로 시계열 분해방법을 모델에 적용시켜 Long-term dependency를 잘 반영한 연구
- FiLM : 시계열 분해 방법중 FFT 분해가 아닌 Legendre polynomial을 이용하여 장기 시계열 예측을 시도한 연구
- SCINet : 시계열의 요소들(Trend, Seconal)과 더불어 시간적 요인(불규칙성)도 함께 고려한 연구
- DLinear : Informer에서 제안한 트렌스포머 모델 구조에 대해서 정말 효율적인지 의문을 가진 연구로, 시계열 분해와 Linear projection만을 이용하여 매우 효율적이며 우수한 성능을 보고한 연구
세미나 안내
- 날짜: 2022년 9월 23일 금요일
- 시간: PM 7:00 ~ PM 8:00
- 장소: 온라인
- 접속링크 : 실시간 라이브
프로그램 소개
- 1차시: 장기 시계열 예측에서 다루고자 하는 문제 정의 및 어플리케이션 소개
- 2차시: 장기 시계열 예측을 성공적으로 만든 주로 사용되는 모델 구조의 Silver bullet 설명
- 3차시: 앞으로 장기 시계열 예측에서 해결해야할 과제 설명
연사 소개
- 황윤태
- UNIST - 산업공학과 석박사통합과정
발표자료 신청 및 연계 경진대회 소개
※ 본 세미나는 경진대회 연계 세미나이며, 아래 경진대회 신청해주신 분들에게 발표자료를 송부드릴 예정입니다. 참가 신청 부탁드려요.
- 대회명 : 제4회 빅스타(빅데이터・스타트업) 경진대회
- 참가 신청 링크 : https://forms.gle/nxopG1HTzr9cEp6f8
- 참가신청 : 8월 29일(월) ~ 9월 25일(일)
- 예선 기간 : 9월 30일 (금) ~ 10월 23일 (일)
- 본선 기간 : 10월 28일 (금) ~ 12월 12일 (월)
- 시상식 (온라인 진행) : 12월 15일 (목)
- 총 상금 7,000만원 (총 24개 팀)
- 주최/주관 : 한국가스공사
- 후원 : 마이크로소프트
- 더 자세한 내용은 아래 배너를 클릭해주세요~
![](https://cdn.aifactory.space/images/20230919163926_YGZG.jpeg)