연구진은 시간 시계열 예측에 활용되는 모델을 분류 작업에 적용하는 데 어려움을 겪는 두 가지 문제점을 해결하기 위해 ChronoVAE-HOPE라는 차세대 모델을 개발했어요.
ChronoVAE-HOPE는 기존 어텐션 방식의 높은 계산 비용 문제를 해결하고 시간 시계열 데이터의 구조적 요소를 분리하기 위해 HOPE 블록 기반의 VAE 프레임워크를 사용해요.
Monash 아카이브를 활용한 사전 훈련을 통해 시간 시계열 데이터의 추세와 계절성 요소를 분리하여 표현하는 방식으로, UCR 벤치마크 데이터셋에서 뛰어난 성능을 보여줬어요.
ChronoVAE-HOPE는 시간 시계열 분류에 적합한 강력하고 해석 가능한 프레임워크를 구축하여, 기존 모델의 한계를 극복하고 새로운 가능성을 제시해요.