본문 바로가기

TechStudy/TimeSeries

TechStudy/TimeSeries 2024. 12. 2.
[펌글]Time-LLM: Time Series Forecasting By Reprogramming Large Language Models
[펌글]Time-LLM: Time Series Forecasting By Reprogramming Large Language Models 원문: https://arxiv.org/abs/2310.01728v2?utm_source=pytorchkr&ref=pytorchkr Time-LLM: Time Series Forecasting by Reprogramming Large Language ModelsTime series forecasting holds significant importance in many real-world dynamic systems and has been extensively studied. Unlike natural language process (NLP) and computer vision (CV), where a single large model can tackle multiple tasks, models for t..
TechStudy/TimeSeries 2024. 11. 25.
이동 평균 분해법(moving-average-based season-trend decomposition)
이동 평균 분해법(moving-average-based season-trend decomposition) Autoformer(Wu et al., 2021)에서 사용한 함수 기법으로 최근 시계열 연구의 decompose 방법으로 널리 적용됨       RAW 데이터에 대해 Average pooling을 위한 padding을 적용 후, sliding하면서 Average pooling값을 구한다. sliding하면서 Average pooling값을 구함  =  sliding window 값의 평균을 계산하여 RAW 데이터의 평균적 시퀀스, smoothing된 형태(Trend)를 구함 이 과정을 통해서 얻은 Trend를 Raw에서 빼면 Seasonal이 된다.
TechStudy/TimeSeries 2024. 11. 20.
TimeMixer (ICIR2024)
TimeMixer (ICIR2024) 외국 블로그글, 논문을 참조하여 정리하는 글 github: https://github.com/kwuking/TimeMixer GitHub - kwuking/TimeMixer: [ICLR 2024] Official implementation of "TimeMixer: Decomposable Multiscale Mixing for Time Series Fo[ICLR 2024] Official implementation of "TimeMixer: Decomposable Multiscale Mixing for Time Series Forecasting" - kwuking/TimeMixergithub.com paper: https://openreview.net/pdf?id=7oLshfEIC2 video: http..
TechStudy/TimeSeries 2024. 11. 18.
[문제해결] 모델 훈련시 불필요한 경고문 해결하기 You are using a CUDA device ('NVIDIA RTX A6000') that has Tensor Cores. To properly utilize them, you should set `torch.set_float32_matmul_precision('medium' | 'high')` which will trade-off precision for performance. For more details, read https://pytorch.org/docs/stable/generated/torch.set_float32_matmul_precision.html#torch.set_float32_matmul_precisionInitializing distributed: GLOBAL_RANK: 0, ..
TechStudy/TimeSeries 2024. 10. 16.
Recurrent Neural Networks for Multivariate Time Series With Missing Values(2016) 다변량 시계열에서 존재하는 결측치를 처리할 수 있는 모델 GRU-D에 관한 것   원문:https://arxiv.org/pdf/1606.01865      리뷰 포스트:https://datascience0321.tistory.com/49 [Review] Recurrent Neural Networks for Multivariate Time Series With Missing ValuesSummary이번 포스팅에서는 다변량 시계열에서 존재하는 결측치를 처리할 수 있는 모델인 GRU-D에 대해 다룹니다. Irregularly Sampled Time Series본 연구는 불규칙적으로 기록된 다변량 시계열을 잘 다루기datascience0321.tistory.com     2024 기준 결측치 전처리 방법론 (시..
TechStudy/TimeSeries 2024. 10. 15.
Time Series Forecasting With Deep Learning A Survey(2020)
Time Series Forecasting With Deep Learning A Survey(2020) 원본: https://arxiv.org/abs/2004.13408 Time Series Forecasting With Deep Learning: A SurveyNumerous deep learning architectures have been developed to accommodate the diversity of time series datasets across different domains. In this article, we survey common encoder and decoder designs used in both one-step-ahead and multi-horizon time seriesarxiv.org  시계열 연구 동향 관련해서 검색하면 이 논문 리뷰한게 많아서 간단하게 리뷰한 ..
TechStudy/TimeSeries 2024. 10. 15.
시계열 Foundation 모델 최신 연구 동향 (LG 블로그)
시계열 Foundation 모델 최신 연구 동향 (LG 블로그) LG 블로그 내용을 재구성해서 정리한 내용     인공지능 분야에서 시계열(Time Series) 데이터는 일반적으로 시간 축을 갖는 테이블 형태의 데이터(Tabular Data)를 의미.본문은 AI 분야에서 시계열 문제를 해결하기 위해 다양한 노력들, 시계열 Foundation 모델에 관한 노력들에 대한 내용1. 시계열 Foundation 모델 등장 Foundation 모델: 거대한 데이터로 사전 학습(Pre-trained)하여 다양한 문제 해결할 수 있는 가능성 지닌 모델[1]특징: 특정 문제에만 특화된 모델이 아닌 일반화된(Generalized) 모델 자연어, 비전 등의 도메인에서 연구된 여러 Foundation 모델들이 다양한 Task에서 우수한 성능을 보임으로 가능성 有->  최근 시계열에서 F..
TechStudy/TimeSeries 2024. 10. 14.
[펌] 딥러닝 기반 시계열 예측(Time Series Forecasting) 모델 동향 (~2022)
[펌] 딥러닝 기반 시계열 예측(Time Series Forecasting) 모델 동향 (~2022) 스크랩된 게시물. 원문 링크: https://www.jungwoo.or.kr/webzine/2022_11/a1.html 정부조달우수제품협회 www.jungwoo.or.kr
TechStudy/TimeSeries 2024. 10. 14.
ICLR 2024 학회 (LG 블로그 요약)
ICLR 2024 학회 (LG 블로그 요약) ICRL 시계열 논문 리스트: https://iclr.cc/virtual/2024/papers.html?filter=topic&search=Deep+Learning-%3ESequential+Models,+Time+series 2024년 5월 International Conference on Learning Representations 시계열 예측 학회 관련 하이라이트 정리(LG 블로그)   FITS: Modeling Time Series with 10k ParametersXu, Zhijian, Ailing Zeng, and Qiang Xu. "FITS: Modeling Time Series with 10k Parameters." The Twelfth International Conference on Le..
TechStudy/TimeSeries 2024. 10. 10.
기본 개념
기본 개념 Time series: 시간(t)에 따라 sequentailly 기록된 것 이 관측된 것을 분석하여 미래 예측 = Time Seriese Forecasting [실질적 과제]1. 예측 uncertantiy: 이에 대한 신뢰도, 불호가실성에 대한 정량 평가 고려 필요(적합한 확률분포 모델 고려)2. 데이터내 패턴 파악: trend, seasonality, cycle 등의 유형 파악. 보통은 복잡하게 섞여서 찾기 어려움 -> 규정되지않는 불규칙 패턴(fluctuation)은 random component로 분류3. 다변량 시계열 데이터(multiple time-series): t에 따라 기록된 수많은 변수들 한 번에 분석 -> 각 변수들 간 상관관계 파악, 효율적 처리, 학습을 위한 알고리즘 필요4. 노이즈..
728x90
반응형

티스토리툴바