강건하고 제한된 부드러운 손실 함수 RoBoS‑NN을 통한 시계열 예측 향상

초록

본 논문은 기존 회귀 손실 함수가 고차원·이상치에 취약한 문제를 해결하고자, 형태 파라미터와 경계 파라미터를 갖는 RoBoS‑NN 손실을 제안한다. 이 손실은 유계(bounded)이며 매끄럽고 미분 가능해 Adam 기반의 경사 하강법으로 효율적으로 최적화할 수 있다. 이론적으로 일반화 경계가 제시되고, 전력 소비, 일일 기온, 금가격, 태양광 등 4개의 실제 시계열 데이터에 대해 030% 이상치를 주입한 실험에서 MAE, MSE, Huber, Log‑cosh 대비 평균 MAE·RMSE·MASE에서 1030% 정도의 개선을 보였다.

상세 분석

RoBoS‑NN 손실은 기존 RoBoSS(classification) 손실을 회귀에 맞게 변형한 형태로,
\