(PDF) N-BEATS: Neural basis expansion analysis for interpretable time series forecasting

https://drive.google.com/file/d/1PqyO6TR3GrhlwumkkRKF18Iz56BCdJCu/view?usp=drive_web

N-Beats 모델은 인공 신경망 구조로, 잔차 링크(residual link)와 완전 연결 층(fully-connected layer)의 깊은 적층 구조(very deep stack)로 이루어져 있다. 이 모델은 해석가능하고, 다양한 분야에서 사용될 수 있으며, 훈련 속도가 매우 빠르다는 특징을 가지고 있다.

N-BEATS의 큰 특징 두 가지는 다음과 같다.

1. 딥러닝 아키텍처(Deep learning architecture) : 통계적 접근법을 전혀 사용하지 않고 시계열(time-series) 문제 해결에 뛰어난 성과를 보인 딥러닝 아키텍처를 제시합니다.
2. 해석이 가능한 구조(Interpretable structure) : “계절적 트렌드(seasonal trend)”와 같은 특징들을 분석할 수 있는 해석이 가능한 딥러닝 결과물을 도출한다.

입력값과 출력값(Input and Output)

관측된 시점을 t 시점이라고 가정하면 모델로부터 나오는 출력값은 길이 H의 예측값 [t+1,t+2,…t+H]  이고, 입력값은 길이가 nH(n은 하이퍼파라미터) 관측값 [t−nH,…,t−1,t]이다.

모델 구성요소(Model component)

모델은 기본 블록(Basic Block)과 스택 블록(Stack Block)이 단계별로 구성되어 있다. 스택(Stack)은 여러개의 기본블록으로 이루어져 있으며, 이중 잔여 스태킹(Doubly Residual Stacking)으로 불리는 변형 잔차 연결(Residual Connection)로 스택(Stack) 내에 있는 블록(Block) 끼리 연결되어 있다.

모델 구조(Model construction)