디지털 라이브러리[ 검색결과 ]
패칭을 이용한 GRU 기반의 시계열 예측 방법
http://doi.org/10.5626/JOK.2024.51.7.663
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.
HTTP 적응적 스트리밍에서 끊김 없는 대화형 멀티미디어 스트리밍을 위한 전송 기법
최근 네트워크 기술과 모바일 기기의 발달로 인해 네트워크를 효율적으로 사용하여 비디오 스트리밍 서비스를 제공하기 위해 HTTP 적응적 스트리밍 서비스가 주목 받게 되었다. 사용자 중심 방송에 대한 관심이 증가함에 따라 대화형 멀티미디어에 대한 연구가 활발하게 진행되고 있다. 대화형 멀티미디어 서비스는 사용자가 선택하는 시나리오에 따라 영상을 재생하는 방식이다. 기존의 HTTP 적응적 스트리밍 방식으로 대화형 멀티미디어 서비스를 제공하면 사용자가 시나리오를 선택하는 시점에 따라 시나리오 변환에 의한 지연 및 버퍼 언더플로우를 유발하여 사용자 체감 품질을 저하시킨다. 따라서 본 논문에서는 끊김 없는 대화형 멀티미디어 스트리밍 서비스를 제공하기 위해 HTTP 적응적 스트리밍 기반의 대화형 멀티미디어 전송 기술을 제안한다. 제안하는 기법은 대화형 멀티미디어 스트리밍 서비스를 위한 시스템 구조와 프리패칭 기법이다.
