Uploads from ‍김성범[ 교수 / 산업경영공학부 ]

Currently Playing: [Open DMQA Seminar] LLMs for Time Series

최근 대규모 언어모델(LLM)의 발전으로, 언어 모달리티를 넘어 시계열 데이터 분석 및 다양한 테스크에 활용하려는 연구가 활발히 진행되고 있다. 시계열 데이터를 언어적 시퀀스로 재해석하여 학습하는 방식은 기존 시계열 모델의 구조적 한계를 극복하고, 장기 의존성과 비정형적 맥락 정보를 효과적으로 포착할 수 있다는 점에서 주목받고 있다. 또한 산업 시계열 데이터의 민감성을 고려해 연합학습과 결합하는 시도도 이루어지고 있어, 프라이버시를 보존하면서도 안정적인 예측 성능을 확보할 수 있는 방안이 모색되고 있다. 이번 세미나에서는 LLM 기반 시계열 방법론과 이를 연합학습과 결합하여 확장한 연구를 소개하고자 한다. 참고자료: [1] Jin, Ming, et al. "Position: What can large language models tell us about time series analysis." 41st International Conference on Machine Learning. MLResearchPress, 2024. [2] Jin, Ming, et al. "Time-llm: Time series forecasting by reprogramming large language models." arXiv preprint arXiv:2310.01728 (2023). [3] Liu, Qingxiang, et al. "Time-ffm: Towards lm-empowered federated foundation model for time series forecasting." Advances in Neural Information Processing Systems 37 (2024): 94512-94538.