메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
한재현 (광운대학교) 윤창표 (경기과학기술대학교) 황치곤 (광운대학교)
저널정보
한국정보통신학회 한국정보통신학회 종합학술대회 논문집 한국정보통신학회 2024년도 추계종합학술대회 논문집 제28권 제2호
발행연도
2024.10
수록면
579 - 582 (4page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
본 논문에서는 시계열 데이터 예측 정확도를 향상시키기 위해 선형 예측 모델인 SARIMAX와 배선형 예측 모델인 Transformer를 스태킹 앙상블 기법으로 결합한 Stacking Transformer 모델을 제안한다. SARIMAX 모델은 데이터의 계절성과 추세를 반영하여 선형적인 패턴을 예측하는 데 강점을 가지며, Transformer 모델은 복잡한 비선형 패턴을 학습하는 데 효과적이다. 본 연구는 두 모델의 예측 결과를 결합하여 최종 예측값을 도출함으로써, 단일 모델의 한계를 극복하고 예측 성능을 향상시키고자 한다. 실증 분석으로는 비트코인 가격 예측을 수행하였으며, Stacking Transformer 모델이 단일 모델보다 더 나은 MAE, MAPE, MSE 성능 지표를 기록하였다. 실증 분석 결과, 제안된 모델이 예측 오차를 줄이고 설명력을 높여 시계열 데이터 예측의 정확도를 크게 향상시킴을 확인하였다.
#Stacking Transformer #SARIMAX(Seasonal AutoRegressive Integrated Moving Average with eXogenous variable) #Transformer #Stacking ensemble #Time series forecasting

목차

요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 관련 연구
Ⅲ. 제안 방법론
Ⅳ. 결론
References

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

최근 본 자료

전체보기

댓글(0)

0