본 연구는 시계열 예측에 사용되는 RevIN 계열 방식의 한계점을 지적하며, 꼬리 분포와 왜도를 교정할 수 있는 비선형 가역적 정규화 방식인 NoRIN을 제안합니다. NoRIN은 초기 학습 후 백본에 따라 최적의 성능을 내기 위해 꼬리 분포와 왜도를 조절하는 파라미터(δ, ε)를 최적화하는 '퇴화 문제'를 해결합니다. NoRIN은 백본과 파라미터 최적화를 분리하여 각 백본에 맞는 최적의 정규화 파라미터를 찾아 시계열 예측 성능을 향상시킵니다.