DeMa: 시차 인지 맘바 기반 다변량 시계열 분석
교통 예측, 산업 유지보수 이상 감지, 건강 모니터링을 위한 궤적 분류 등 다양한 지능형 애플리케이션에서 정확하고 효율적인 다변량 시계열(MTS) 분석의 중요성이 커지고 있습니다. 기존에는 쌍별 의존성 포착 능력이 뛰어난 트랜스포머가 주로 사용되었으나, 이차적인 계산 복잡도와 높은 메모리 오버헤드로 인해 장기적이고 대규모 MTS 모델링에 한계가 있었습니다. 최근 선형 시간 복잡도를 가지면서도 표현력이 뛰어난 맘바(Mamba)가 유망한 대안으로 부상했습니다. 하지만 바닐라 맘바를 MTS에 직접 적용할 경우, 명시적인 변수 간 모델링…