순서가 있습니다. 포털 넷(연구방·지식센터·커뮤니티·아카데미)을 먼저 담고,
SSRA 는 맨 나중에 담아 주세요. SSRA 를 먼저 담으면 나머지가 그 안에 포함된 것으로
잡혀 따로 담기지 않습니다. 아이콘도 담을 차례대로 놓았습니다 — 왼쪽부터 차례로 누르시면 됩니다.
Deep learning for time series forecasting: a survey
Xiangjie Kong, Zhenghao Chen, Weiyao Liu 외 · International Journal of Machine Learning and Cybernetics · 2025년 · 조회 21
왜 이 논문인가 — 선정 기준
오늘의 Editor's Pick · 전체 분야에서 그날 가장 주목할 논문 1편
2025-02 발표 · 피인용 209회 · 분야 내 인용 영향력 상위권 · 동년 인용 상위 1% · 원 분야 IT
Editor’s Pick으로 선정된 이유는 2025년 발표 논문 중 인용 상위 1%에 해당할 정도로 높은 인용 영향력(209회)과 전 분야에 걸친 포괄적인 정리·분류가 학계와 산업계 모두에 큰 가치를 제공하기 때문이다.
논문 요약
본 논문은 에너지, 의료, 교통, 기상, 경제 등 다양한 분야에서 높은 정확도가 요구되는 시계열 예측 문제에 대한 기존 통계 모델의 한계를 지적하고, 딥러닝 기반 모델들의 최신 동향을 종합적으로 조사한다. 딥러닝 기반 시계열 예측(DTSF) 모델을 아키텍처별로 구분하고, 각 범주의 주요 특징과 적용 사례를 정리하였다. 또한 특성 추출 방법과 활용 데이터셋에 대한 상세한 리뷰를 제공하여 연구자들이 적절한 입력 설계와 벤치마크 선택에 활용할 수 있도록 돕는다.
후속 연구설계에 활용하기
본 조사에서 제시된 모델 아키텍처 분류와 데이터셋 목록을 토대로, 새로운 시계열 예측 연구에서는 기존 분류에 맞는 벤치마크 모델·데이터를 선정하고, 특성 추출 기법을 비교 실험 설계에 포함시킬 수 있다.
핵심어
딥러닝시계열 예측모델 아키텍처데이터셋
실존 확인
이 논문은 OpenAlex에서 후보로 수집한 뒤, Crossref에 등록된 DOI와 제목 일치를 확인해 노출합니다.
SSRA가 문헌연구에서 인용 논문의 실재 여부를 검증하는 원칙과 같습니다.