時系列予測における深層学習：アーキテクチャよりも重要な設計上の選択

本論文は、時系列予測における深層学習の現状を批判し、複雑なアーキテクチャよりも基本的な設計原則（局所性、大域性）と実装の詳細の重要性を強調しています。現在のベンチマーク手法に欠陥があると主張し、主要な設計選択に基づいて予測アーキテクチャをより良く特徴付けるためのモデルカードを提案しています。核心的な主張は、これらの原則が正しく適用されれば、より単純でよく設計されたモデルが、より複雑なモデルよりも優れた性能を発揮できるということです。

• •時系列予測には、基本的な設計原則（局所性、大域性）が不可欠です。
• •実装の詳細は、モデルのパフォーマンスに大きな影響を与えます。
• •シンプルでよく設計されたアーキテクチャは、複雑なアーキテクチャよりも優れた性能を発揮できます。
• •現在のベンチマーク手法は改善が必要です。
• •主要な設計選択に基づいて予測アーキテクチャを特徴付けるためのモデルカードが提案されています。