연구진이 극단적인 사건을 효과적으로 모델링하는 Exformer라는 새로운 예측 프레임워크를 제안했어요. Exformer는 시간적 의존성을 모델링하는 데 사용되는 극단적 적응형 어텐션 메커니즘을 도입했어요. 실제 수문 데이터셋 실험 결과, 기존 모델보다 3일 예측 성능이 향상된 것으로 나타났어요.
Exformer는 짧은 시간적 의존성을 포착하는 Local 및 Stride 구성 요소와 극단적인 사건을 모델링하는 Extreme 구성 요소로 구성돼 있어요. 극단적 사건을 명시적으로 고려하는 어텐션은 불균형한 시간적 데이터의 예측 능력을 향상시켜요. 연구 결과는 Transformer 모델의 예측 능력을 향상시키는 데 기여할 수 있어요.