감성 데이터의 확률적 예측을 위한 생성적 적대 네트워크 - ForGAN

시계열 예측은 인류가 직면한 어려운 문제 중 하나입니다. 평균 회귀 모델을 사용하는 전통적인 예측 방법은 실제 세계의 변동성을 반영하는 데 심각한 한계를 가지고 있습니다. 새로운 확률적 방법들이 이러한 문제를 해결하기 위해 등장하고 있지만, 양자 교차(quantile crossing)나 사전 분포 선택 등의 기술적 난관에 부딪히고 있습니다. 이들 분야의 다양한 장점을 결합하면서 약점을 피하고, 최신 기술의 경계를 넓이기 위해, 우리는 ForGAN - 생성 적대 신경망을 활용한 한 단계 앞선 확률적 예측 방법을 소개합니다. ForGAN은 조건부 생성 적대 신경망의 힘을 이용하여 데이터 생성 분포를 학습하고 이를 통해 확률적 예측을 계산합니다. 우리는 ForGAN과 회귀 방법 사이에서 어떻게 평가해야 하는지 논의합니다. ForGAN의 확률적 예측 능력을 조사하기 위해, 우리는 새로운 데이터셋을 생성하고 이 데이터셋에서 우리의 방법론의 능력을 시연합니다. 이 데이터셋은 공개적으로 비교 연구용으로 제공될 것입니다. 또한, Mackey-Glass 데이터셋과 인터넷 트래픽 데이터셋 (A5M)이라는 두 개의 공개적으로 이용 가능한 데이터셋에서 ForGAN을 테스트하였으며, ForGAN의 뛰어난 성능이 미래 값 예측에 대한 그 고도의 역량을 입증하였습니다.