비정상 확률적 시계열 예측을 위한 매개변수 사전 매핑 프레임워크

연구진은 비정상적 다변량 시계열의 확률적 예측을 위한 하이브리드 프레임워크 Parametric Prior Mapping(PPM)을 제안했다.

PPM은 파라메트릭 추정기로 동적 prior를 만들고, 이를 학습 가능한 변환으로 생성 모델에 연결한다.

하이브리드 학습 목적함수를 통해 예측 정확도와 불확실성 보정을 함께 개선한다.

실험 결과 PPM은 기존 강력한 기준선보다 더 높은 성능을 보이면서도 계산 효율성을 유지했다.