예측과 보정

개요

제로샷 시계열 예측은 대상 신호마다 별도의 학습이나 피팅을 수행하지 않고 미래 값과 불확실성을 예측한다. TinyCast는 작은 모델에서는 문맥의 주기 구조를 학습하기보다 직접 계산하는 것이 효과적이라는 전제에서 설계된 확률적 제로샷 예측 모델이다.

계산된 주기성

TinyCast는 파라미터가 없는 스펙트럼 탐지기로 우세 주기를 찾고, 문맥을 해당 주기의 위상에 맞춰 접는다. 이후 팽창 합성곱 인코더와 블록 자기회귀 분위수 디코더가 나머지 구조를 모델링해 예측 분포를 출력한다.

규모와 배포

TinyCast의 파라미터 수는 146,505개다. 신경망의 혼합 경로가 합성곱과 행렬곱으로만 구성되어 정적 INT8 형식으로 내보낼 수 있으며, 신호별 추가 피팅 없이 임베디드 기기에서 종단 간 예측을 수행할 수 있다.

평가 위치

논문은 TinyCast가 파라미터 수를 확인할 수 있는 GIFT-Eval의 모든 제로샷 항목보다 작고, 확률적 정확도에서 규모-정확도 경계를 형성한다고 보고했다. Chronos-ZS와 fev-bench에서 TinyCast보다 앞선 모든 신경망 모델은 최소 28배 많은 파라미터를 사용했다.