데이터 증강(Data Augmentation) 기법을 통해 모델 학습 단계에서 과적합(overfitting)을 방지하고, 데이터 특징에 대한 강건한 학습 뿐만 아니라 데이터셋 내에 존재하는 데이터 불균형 문제를 해결할 수 있다. 데이터 증강 기법은 이미지 데이터를 다루는 컴퓨터 비전 분야에서 괄목할만한 성능 향상을 가져왔다. 하지만 이미지 데이터에 적합한 데이터 증강 기법은 시간 종속적인 시계열 데이터의 본질적 특성을 활용하지 못하고, 실질적으로 하고자 하는 Task에 따라 데이터 증강 기법의 적합성 여부가 달라지기 때문에 시계열 데이터에 그대로 적합하기에 어려움이 있다. 본 세미나에서는 시계열 데이터에 적합한 데이터 증강 기법을 basic approach와 advanced approach로 나누어 소개하고자 한다.
참고문헌 :
[1] Wen, Q., Sun, L., Yang, F., Song, X., Gao, J., Wang, X., & Xu, H. (2020). Time series data augmentation for deep learning: A survey. arXiv preprint arXiv:2002.12478.
[2] Yue, Z., Wang, Y., Duan, J., Yang, T., Huang, C., Tong, Y., & Xu, B. (2022, June). Ts2vec: Towards universal representation of time series. In Proceedings of the AAAI Conference on Artificial Intelligence (Vol. 36, No. 8, pp. 8980-8987).
[3] Oh, C., Han, S., & Jeong, J. (2020). Time-series data augmentation based on interpolation. Procedia Computer Science, 175, 64-71.
[4] Liu, B., Zhang, Z., & Cui, R. (2020, October). Efficient time series augmentation methods. In 2020 13th international congress on image and signal processing, BioMedical engineering and informatics (CISP-BMEI) (pp. 1004-1009). IEEE.