연구진은 복잡한 다변량 은닉 마르코프 프로세스 예측의 어려움을 해결하기 위해 DRL-STAF라는 새로운 프레임워크를 제안했어요.
DRL-STAF는 심층 신경망을 사용하여 복잡한 비선형 관측을 모델링하고 강화 학습을 통해 이산 은닉 상태를 추정하여 기존 HMM의 한계를 극복해요.
실험 결과, DRL-STAF는 기존 HMM 변형, 독립적인 딥러닝 모델, 기존 DL-HMM 하이브리드 모델보다 우수한 성능을 보였고, 신뢰성 있는 은닉 상태 추정 결과를 제공했어요.