GLAIM: 다변량 시계열 결측치 보정을 위한 전역 및 지역 적응형 변수 간 의존성 학습
GLAIM: Learning Global and Local Adaptive Inter-Variable Dependency for Multivariate Time Series Imputation
TL;DR AI
1분핵심 요약
연구진은 다변량 시계열 결측값 보간을 위한 새로운 프레임워크 GLAIM을 제안했다.
먼저 변수 간 안정적인 전역 의존성을 학습한 뒤, 관측된 값을 바탕으로 샘플·시점별로 이를 정교하게 보정한다.
GLAIM은 9개의 실제 데이터셋에서 기존 방법보다 더 높은 성능을 보였다.
또한 다양한 결측 패턴과 변동하는 결측률에서도 강건해, 실무 시계열 분석에 유용하다.