상세 보기
조기 예측을 위한 시계열 데이터 불균형 해소 기법
Time Series Data Imbalance Resolution Techniques for Early Prediction
- 안응선;
- 권태형;
- 김도국
초록
시계열 예측은 관측된 시계열 데이터를 분석하여 미래의 값을 예측하는 중요한 문제다. 그러나, 데이터가 불균형할 경우, 모델의 성능이 저하되고 예측 결과에 편향이 발생할 수 있다. 이를 해결하기 위해 최근 다양한 딥러닝 기법과 데이터 증강 방법들이 연구되고 있지만, 많은 연구들이 불균형 문제와 시계열 특성을 동시에 고려하지 못하여 근본적인 문제를 해결하지 못하고 있다. 본 연구에서는 시간적 패턴을 활용하여 샘플을 생성하는 조기 예측을 위한 방법을 제안한다. 제안된 기법은 긍정 및 부정 클래스를 효과적으로 구분할 수 있는 시점을 선정하여, 더 먼 시차에 대한 예측도 가능하게 한다. 본 연구에서 제안된 방법은 기존의 방법들보다 우수한 성능을 보였으며, 더 멀리 있는 시차에 대한 조기 예측의 가능성을 입증하였다.
키워드
imbalanced data; time series data; temporal patterns; early prediction; data augmentation; 불균형 데이터; 시계열 데이터; 시간적 패턴; 조기 예측; 데이터 증강
- 제목
- 조기 예측을 위한 시계열 데이터 불균형 해소 기법
- 제목 (타언어)
- Time Series Data Imbalance Resolution Techniques for Early Prediction
- 저자
- 안응선; 권태형; 김도국
- 발행일
- 2025-07
- 유형
- Y
- 저널명
- 정보과학회논문지
- 권
- 52
- 호
- 7
- 페이지
- 593 ~ 600