Key points are not available for this paper at this time.
다변량 시계열(MTS) 예측은 많은 실제 응용 프로그램에서 중요합니다. 정확한 MTS 예측을 달성하기 위해서는 시계열 데이터의 내부 및 외부 관계를 동시에 고려하는 것이 필수적입니다. 그러나 이전 연구에서는 내부 및 외부 관계를 별도로 모델링하였고, 시계열 데이터 내외에서 존재하는 다차원 상호작용을 무시하였습니다. 이는 예측 정확도를 심각하게 저하시킬 수 있습니다. 본 기사에서는 상호정보의 관점에서 내부 및 외부 관계를 재검토하고, 복잡한 다차원 내부 및 외부 커플링을 동시에 포착하기 위해 맞춤형 포괄적 관계 학습 메커니즘을 구축합니다. 이 메커니즘을 기반으로 MTS 예측을 위한 새로운 딥 커플링 네트워크인 DeepCN을 제안하며, 이는 시계열 데이터 간의 다차원 내부 및 외부 관계를 명시적으로 탐구하는 커플링 메커니즘, 다양한 변수 패턴을 인코딩하기 위한 커플드 변수 표현 모듈, 그리고 하나의 전진 단계를 통해 예측을 촉진하는 추론 모듈로 구성됩니다. 7개의 실제 데이터 세트에서 수행된 광범위한 실험 결과, 우리 제안한 DeepCN이 최신 기준선에 비해 우수한 성능을 달성했습니다.
Yi et al. (Thu,)는 이 질문을 연구했습니다.