SparseTSF: 1k 파라미터로 장기 시계열 예측 모델링

이 논문은 SparseTSF를 소개합니다. SparseTSF는 최소한의 계산 리소스를 사용하여 넓은 시간 범위에 걸친 복잡한 시간 종속성을 모델링하는 문제를 해결하기 위해 설계된 새로운, 매우 경량 모델로 장기 시계열 예측(LTSF)을 위한 것입니다. SparseTSF의 핵심에는 주기성과 추세를 시계열 데이터에서 분리하여 예측 작업을 간소화하는 크로스-기간 희소 예측 기법이 있습니다. 이 기술은 원래의 시퀀스를 다운샘플링하여 크로스-기간 추세 예측에 집중함으로써 모델의 복잡성과 파라미터 수를 최소화하면서 주기적 특징을 효과적으로 추출합니다. 이 기술을 기반으로 SparseTSF 모델은 1k 미만의 파라미터를 사용하여 최신 모델과 경쟁하는 또는 그보다 뛰어난 성능을 달성합니다. 더욱이, SparseTSF는 제한된 계산 리소스, 소량의 샘플 또는 저품질 데이터가 있는 시나리오에 잘 적합한 뛰어난 일반화 능력을 보여줍니다. 코드는 다음 링크에서 확인할 수 있습니다: https://github.com/lss-1138/SparseTSF.