지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2023.8
- 수록면
- 43 - 53 (11page)
- DOI
- 10.7838/jsebs.2023.28.3.043
이용수
DBpia Top 10%동일한 주제분류 기준으로최근 2년간 이용수 순으로 정렬했을 때
해당 논문이 위치하는 상위 비율을 의미합니다.
초록· 키워드
오류제보하기
수요예측은 모든 산업에서 사업 기획 및 운영 계획의 중요한 기초 자료로 사용된다. 본 논문에서는 수요예측 경진대회인 M5 Competition 데이터를 대상으로 Temporal Fusion Transformer(TFT) 모형을 적용하였고, 이 대회에서 우승한 DRFAM 기법과 정확도를 비교하였다. M5 Competition의 Walmart 데이터셋 중 CA_1 매장의 판매량 데이터를 대상으로 성능을 평가하였으며, 매장(store) 수준과 카테고리(category) 수준의 데이터풀(data pool)로 각각 TFT 모형을 학습한 후 예측값을 산술평균하는 방식을 사용하였다. 그 결과, 세 가지 수준의 데이터풀에 대해 직접적 예측모형(direct forecasting)과 재귀적 예측모형(recursive forecasting)으로 총 6개의 LightGBM 모형을 학습하여 산술평균으로 예측하는 DRFAM 기법보다 평균적으로 개선된 예측 정확도를 달성하였다. 이를 통해 TFT 모형이 자기-어텐션 구조를 사용하여 시계열에서 변수와 판매량 간의 관계를 충분히 학습하였음을 알 수 있었다. DRFAM 기법의 직접적 예측모형과 재귀적 예측모형이 28일 간의 예측을 위하여 28회 반복호출을 해야 하지만, TFT 모형은 다중 출력 구조이기 때문에 한번 모형 호출로 28개의 시계열 예측이 가능하다. 본 논문에서 제안한 TFT 기반의 예측모형은 보다 빠르고 정확한 시계열 예측을 제공하여 다양한 분야에 확대 적용할 수 있을 것으로 기대한다.
목차
초록
ABSTRACT
1. 서론
2. 관련 연구
3. TFT를 이용한 판매량 예측
4. 실험 결과
5. 결론 및 추후 연구
References
참고문헌 (0)
참고문헌 신청이 논문의 저자 정보
이 논문과 함께 이용한 논문
TeGCN:씬파일러 신용평가를 위한 트랜스포머 임베딩 기반 그래프 신경망 구조 개발
김성수
,
배준호
,
이주현
외 2명
지능정보연구
2023
.09
머신러닝 기반 장중 주가 예측: 고빈도데이터를 이용한 기업수준 분석
김찬수
,
김선웅
,
최흥식
지능정보연구
2024
.06
수도 미터 AMI 데이터에서 Transformer 기반 모델들과 Linear 기반 모델들의 장기 시계열 예측 성능 분석
진성원
,
이재승
,
김지범
한국정보과학회 학술발표논문집
2023
.12
LSTM과 Transformer 기반 시계열 초미세먼지 예측 결과 비교 분석
최상우
한국정보과학회 학술발표논문집
2023
.06
변수 간 어텐션 메커니즘을 활용한 트랜스포머 기반 다변량 시계열 이상치 탐지
강형원
,
정의석
,
박경찬
외 1명
한국경영과학회 학술대회논문집
2022
.06
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0102-2023-004-002025943