표제지

초록

목차

제1장 서론 10

1.1. 연구 배경 및 동기 11

1.2. 연구 목적 13

1.3. 문제 정의 14

1.4. 논문구성 15

제2장 배경 이론 및 관련 연구 16

2.1. 배경 이론 16

2.1.1. 동적 시간 정합 (Dynamic Time Wariping) 16

2.2. 관련 연구 23

2.2.1. 다시점 시계열 예측과 딥러닝 모델 23

2.2.2. Transformer와 비(非) Transformer 시계열 예측 모델 25

2.2.3. 동적 시간 정합 기반 손실함수 연구 27

제3장 동적 시간 정합 기반 손실함수 개선 기법 28

3.1. Soft DTW와 DILATE 28

3.2. Weighted SDTW 30

3.3. Shape DILATE 34

제4장 실험 결과 38

4.1. 모델 38

4.1.1. TCN 38

4.1.2. NBeats 39

4.1.3. DLinear 40

4.2. 데이터 셋 42

4.2.1. ETT 42

4.2.2. WTH 44

4.2.3. ECL 46

4.2.4. BTC 47

4.3. 실험 세팅 50

4.4. 실험 결과 52

4.4.1. 정량적 평가 52

4.4.2. 정성적 평가 58

제5장 결론 64

5.1. 결론 64

5.2. 향후 연구 65

참고 문헌 67

Abstract 77

Table 4.1. 데이터셋 요약 49

Table 4.2. TCN 하이퍼 파라미터 50

Table 4.3. NBeats 하이퍼 파라미터 51

Table 4.4. DLinear 하이퍼 파라미터 51

Table 4.5. ETT 데이터셋 실험 결과 54

Table 4.6. WTH 데이터셋 실험 결과 55

Table 4.7. ECL 데이터셋 실험 결과 56

Table 4.8. BTC 데이터셋 실험 결과 57

Table 4.9. 모든 실험에서 각 손실함수의 우위 횟수 표 58

Figure 1.1. 다시점 시계열 예측 그림 14

Figure 2.1. 유클리드 거리와 동적 시간 정합 거리의 비교 그림 17

Figure 2.2. 지역 비용 행렬의 히트맵 18

Figure 2.3. 동적 시간 정합 예시 그림 22

Figure 2.4. 반복적 예측법의 개념 그림 24

Figure 2.5. 직접적 예측법의 개념 그림 25

Figure 3.1. 시계열의 예측 형태에 따른 비교 그림 29

Figure 3.2. 기존 동적 시간 정합 결과 예시 31

Figure 3.3. Weighted DTW 정합 결과 예시 31

Figure 3.4. Shape DTW 계산 과정 34

Figure 3.5. 다변량 동적 시간 정합 계산 방식에 따른 차이 예시 그림 35

Figure 3.6. 다변량 동적 시간 정합 계산 방식에 따른 군집화 결과 차이 그림 36

Figure 4.1. TCN 모델 구조 그림 39

Figure 4.2. NBeats 모델 구조 그림 40

Figure 4.3. DLinear 모델 구조 그림 41

Figure 4.4. 전체 ETT 데이터 셋 그림 43

Figure 4.5. 부분 ETT 데이터 셋 그림 44

Figure 4.6. 전체 WTH 데이터 셋 그림 45

Figure 4.7. 부분 WTH 데이터 셋 그림 45

Figure 4.8. 전체 ECL 데이터 셋 그림 46

Figure 4.9. 부분 ECL 데이터 셋 그림 47

Figure 4.10. 전체 BTC 데이터 셋 그림 48

Figure 4.11. 부분 BTC 데이터 셋 그림 48

Figure 4.12. ETT 데이터 셋 임의시점 예측 결과 60

Figure 4.13. WTH 데이터 셋 임의시점 예측 결과 61

Figure 4.14. ECL 데이터 셋 임의시점 예측 결과 62

Figure 4.15. BTC 데이터 셋 임의시점 예측 결과 63