초록
시간 연속 예측의 신뢰성 있는 불확실성 추정은 물리학, 생물학, 제조업 등 많은 분야에서 중요합니다. 우버에서는 특별한 이벤트 동안의 운행 횟수 예측, 운전사 인센티브 할당, 그리고 수백만 개의 지표에 대한 실시간 이상치 탐지 등에 확률적 시간 연속 예측을 사용하여 견고한 예측을 수행하고 있습니다. 전통적인 시간 연속 모델들은 종종 불확실성 추정을 위한 확률적 공식화와 함께 사용됩니다. 그러나 이러한 모델들은 조정하기 어렵고, 크기를 늘리기 어려우며, 외부 변수를 추가하는 데도 한계가 있습니다. 최근 Long Short Term Memory(LSTM) 네트워크의 부활에 영감을 받아, 우리는 시간 연속 예측과 함께 불확실성을 추정하는 새로운 엔드투엔드 베이지안 딥러닝 모델을 제안합니다. 제안된 솔루션을 완료된 운행 데이터에 대해 상세한 실험 결과를 제공하며, 이를 우버에서 대규모 시간 연속 이상치 탐지에 성공적으로 적용하였습니다.