하마가 분석하마

본 논문은 특정 지역의 강수량을 예측하는 것에 Convolutional LSTM을 적용한 알고리즘을 제안합니다. 우선 Convolution 구조를 LSTM에 넣었다는 부분이 인상 깊었습니다. 제안하는 알고리즘의 구조는 데이터의 시공간적 관계를 모두 파악하기 위해 Convolutional LSTM을 사용했고, Encoding-Forecasting 구조를 적용하였습니다. 아직 이해가 가지 않은 것은 예측 방법입니다. 논문에서는 "As our prediction target has the same dimensionality as the input, we concatenate all the states in the forecasting network and feed them into a 1 × 1 convolu..

본 논문은 Multivariate time series prediction에서 예측 정확도를 개선하고, 비주기적 시계열 데이터에 대해서 robust한 알고리즘인 M-TCN을 제안합니다. M-TCN은 RNN 계열이 아닌 CNN의 특징을 가진 알고리즘이며 기존에 나왔던 TCN의 방법을 다르게 1D convolution과 두 개의 비대칭 residual block을 사용하는 등 여러 특징을 가지고 있습니다. 변수들에 대해서 각기 다른 sub-model을 적용했다는 점과 time series forecasting에서 causal convolution이 아닌 1D convolution을 사용했다는 점이 인상 깊었습니다. 아직 이해를 완벽하게 못 한 부분은 causal convolution이 절대적인 시간 순서에 ..