TimesNet: 시계열을 위한 시간적 2D-변동성 모델링

TimesNet은 Wu 등이 2023년 ICLR에서 소개한 범용 시계열 모델입니다. 이 모델의 핵심 아이디어는 1D 신호를 고속 푸리에 변환(Fast Fourier Transform)을 통해 감지된 주요 주기성에 따라 재구성함으로써, 단변량 또는 다변량 시계열을 2차원 시간 지도(temporal map)의 모음으로 재해석할 수 있다는 것입니다. 이 1D-to-2D 변환은 주기 내 패턴(intraperiod patterns, 한 주기 내의 패턴)과 주기 간 추세(interperiod trends, 주기들 간의 추세)를 모두 드러내어, 강력한 2D 컨볼루션 아키텍처가 시간적 변동성을 모델링할 수 있도록 합니다.