[논문] 인공신경망 기반 미분방정식(INDEQS)
개요
신경 제어 미분 방정식(Neural Controlled Differential Equations, NCDE)은 시계열 예측을 위한 강력한 연속‑시간 프레임워크를 제공하지만, 표준 그래프 기반 확장은 사전에 지정된 방향 그래프 구조와는 무관하게 데이터를 solely로부터 공간 구조를 학습합니다. 우리는 Informed Neural controlled Differential EQuationS (INDEQS)라는 그래프 기반 NCDE 예측 방법을 소개합니다. 이 방법은 특정 아키텍처 위치에서 사전 지향 그래프의 지식을 결합합니다. INDEQS는 그래프 노드 간 내부 혼합과 벡터 필드 및 제어 간 외부 혼합을 구분하고, 경량화된 그래프 제약 변형과 보다 표현력 높은 변형을 모두 제공하며, 데이터로부터 추가 그래프 연결을 적응형 그래프 콘볼루션을 통해 학습합니다. 시스템적으로 그래프 정보가 예측에 이점이 있는 시점을 연구하기 위해, 방향 그래프에서 연속 혼합 시뮬레이션을 설계하여 알려진 지면 흐름 구조를 가진 합성 공간‑시간 데이터를 생성했습니다. 이후 INDEQS는 두 실제 작업에 평가됩니다: 수문 네트워크에서의 강수량 예측과 PeMS08에서의 교통 흐름 예측. 이러한 합성 및 실제 벤치마크에서 외부 정보는 파라미터 수가 유사한 비정보 NCDE보다 평균 절대 오차를 일관되게 감소시키고, 특히 더 큰 그래프에서는 더욱 그렇습니다. 내부 정보는 알려진 인접성에 대한 엄격한 준수를 원하는 경우 보다 파라미터 효율적인 대안으로 작용합니다. 이산 콘볼루션과 연속 시간 디코더를 비교한 결과, 실제 작업에서 연속 디코더가 더 높은 정확도와 더 큰 시간적 유연성을 제공함을 보여줍니다. INDEQS와 혼합 시뮬레이션의 구현은 https://github.com/Mitchi1/indeqs에 공개되어 있습니다.
주요 공헌
이 논문은 다음과 같은 연구 영역을 다룹니다:
- cs.LG
- stat.ML
방법론
자세한 방법은 전체 논문을 참고하십시오.
실용적 의미
이 연구는 cs.LG의 발전에 기여합니다.
저자
- 마이클 데텔
- 가브리얼 노비스
- 크리스티안 블라보프
- 쥬리 슈베르트
- 재키 마
- 보이체흐 사멕
논문 정보
- arXiv ID: 2606.19138v1
- 카테고리: cs.LG, stat.ML
- 발행일: 2026년 6월 17일
- PDF: PDF 다운로드