2023 한국소프트웨어종합학술대회(KSC 2023) 우수 논문상 수상

- 빅데이터 처리 및 DB 연구실 -

 

김윤영 컴퓨터공학과 대학원생(지도교수: 정성원)의 ‘패칭을 이용한 GRU 기반의 시계열 예측방법’ 논문이 지난 12월 20일 ~ 22일(3일간) 열린 2023 한국소프트웨어종합학술대회(KSC 2023)에서 우수 논문상을 수상했다.

▲ 왼쪽부터 김윤영(석사과정 4학기), 정성원(지도교수)

▲ 2023 한국소프트웨어종합학술대회(KSC 2023) 우수 논문상 수상확인서

 

시계열 예측은 기업, 현장에서 의사결정의 보조자 역할로 활용되어 매우 중요하다. 최근 트랜스포머 구조의 patch time series Transformer(PatchTST)와 MLP 구조의 Long-term time series forecasting Linear(LTSF-Linear)가 시계열 예측에서 좋은 성능을 보여주었다. 하지만 PatchTST는 학습 및 추론시간이 오래 걸리고, LTSF-Linear는 구조의 단순함 때문에 훈련 데이터가 가지고 있는 정보를 제한적으로 학습한다는 문제점이 있다.

 

본 논문에서는 이를 보완하기 위해 패칭된 데이터에 Gated Recurrent Unit(GRU)를 사용하여 학습시간 감소와 시계열 데이터에서 학습할 수 있는 정보를 충분히 담아낼 수 있는 patch time series GRU(PatchTSG)를 제안한다.

 

그 결과, PatchTSG는 PatchTST 대비 학습시간을 최대 82%, 추론시간을 최대 46%까지 감소시켰다.