패칭을 이용한 GRU 기반의 시계열 예측 방법 


51권  7호, pp. 663-667, 7월  2024
10.5626/JOK.2024.51.7.663


PDF

  요약

시계열 예측은 기업, 현장에서 의사결정의 보조자 역할로 활용되어 매우 중요하다. 최근 트랜 스포머 구조의 patch time series Transformer(PatchTST)와 MLP 구조의 Long-term time series forecasting Linear(LTSF-Linear)가 시계열 예측에서 좋은 성능을 보여주었다. 하지만 PatchTST는 학습 및 추론시간이 오래 걸리고, LTSF-Linear는 구조의 단순함 때문에 훈련 데이터가 가지고 있는 정보를 제 한적으로 학습한다는 문제점이 있다. 이를 보완하기 위해 패칭된 데이터에 Gated Recurrent Unit(GRU)를 사용하여 학습시간 감소와 시계열 데이터에서 학습할 수 있는 정보를 담아낼 수 있는 patch time series GRU(PatchTSG)를 제안한다. PatchTSG는 PatchTST 대비 학습시간을 최대 82%, 추론시간을 최대 46%까지 감소시킨다.


  통계
2022년 11월부터 누적 집계
동일한 세션일 때 여러 번 접속해도 한 번만 카운트됩니다. 그래프 위에 마우스를 올리면 자세한 수치를 확인하실 수 있습니다.
  논문 참조

[IEEE Style]

Y. Kim and S. jung, "A GRU-based Time-Series Forecasting Method using Patching," Journal of KIISE, JOK, vol. 51, no. 7, pp. 663-667, 2024. DOI: 10.5626/JOK.2024.51.7.663.


[ACM Style]

Yunyeong Kim and Sungwon jung. 2024. A GRU-based Time-Series Forecasting Method using Patching. Journal of KIISE, JOK, 51, 7, (2024), 663-667. DOI: 10.5626/JOK.2024.51.7.663.


[KCI Style]

김윤영, 정성원, "패칭을 이용한 GRU 기반의 시계열 예측 방법," 한국정보과학회 논문지, 제51권, 제7호, 663~667쪽, 2024. DOI: 10.5626/JOK.2024.51.7.663.


[Endnote/Zotero/Mendeley (RIS)]  Download


[BibTeX]  Download



Search




Journal of KIISE

  • ISSN : 2383-630X(Print)
  • ISSN : 2383-6296(Electronic)
  • KCI Accredited Journal

사무국

  • Tel. +82-2-588-9240
  • Fax. +82-2-521-1352
  • E-mail. chwoo@kiise.or.kr