TiDE를 활용한 장기 예측: 시계열 밀집 인코더

최근 연구에서는 단순한 선형 모델이 장기 시계열 예측에서 여러 트랜스포머 기반 접근법을 능가할 수 있음을 보여주었다. 이러한 결과에 영감을 받아, 본 연구에서는 복수층 퍼셉트론(MLP) 기반의 인코더-디코더 모델인 시계열 밀집 인코더(Time-series Dense Encoder, TiDE)를 제안한다. 이 모델은 선형 모델의 간단함과 빠른 속도를 유지하면서도 공변량(covariates)과 비선형 종속성을 동시에 처리할 수 있다. 이론적으로, 본 모델의 가장 간단한 선형 대응 모델이 일정 가정 하에서 선형 동적 시스템(LDS)에 대해 거의 최적의 오차율을 달성할 수 있음을 증명하였다. 실험적으로는, 기존의 주요 장기 시계열 예측 벤치마크에서 본 방법이 기존 기법과 동등하거나 우수한 성능을 보이며, 가장 우수한 트랜스포머 기반 모델보다 5~10배 빠른 속도를 제공함을 확인하였다.