タイムエビデンス融合ネットワーク：長期時系列予測におけるマルチソースビュー

実用的なシナリオにおいて、時系列予測は精度だけでなく効率性も求められる。そのため、モデルアーキテクチャの探索は、研究分野において常に注目されているトピックである。本研究では、情報統合の観点から、新たなバックボーンアーキテクチャである「Time Evidence Fusion Network（TEFN）」を提案する。具体的には、証拠理論に基づく基本確率割当（Basic Probability Assignment; BPA）モジュールを導入し、多次元時系列データの不確実性をチャネル次元および時間次元の両面から捉える。さらに、BPAの出力から得られる2つの異なる次元の情報を効果的に統合する新たなマルチソース情報統合手法を構築することで、予測精度の向上を実現した。最後に、広範な実験を通じて、TEFNが最先端手法と同等の性能を達成しつつ、顕著に低い計算複雑性と短い学習時間を維持していることを示した。また、実験結果から、TEFNはハイパーパラメータ選定において誤差の変動が極めて小さく、高いロバスト性を示していることが明らかになった。さらに、BPAがファジィ理論に基づいていることから、TEFNは高い解釈可能性を有している。以上から、提案するTEFNは、精度、効率性、安定性、解釈可能性のバランスを良好に保つため、時系列予測における有望な解決策であると結論づけられる。