可逆インスタンス正規化の役割について

要旨: データ正規化は深層学習モデルの重要な構成要素であるが、時系列予測におけるその役割は依然として十分には理解されていない。本論文では、時系列予測における正規化の3つの中心的課題を特定する。すなわち、時間的入力分布のシフト、空間的入力分布のシフト、及び条件付き出力分布のシフト。これを踏まえ、広く用いられている可逆インスタンス正規化（RevIN）を再検討し、アブレーション研究を通じてその構成要素のいくつかが冗長であるか、さらには有害ですらあることを示す。これらの観察に基づき、RevINの頑健性と一般化を向上させる新たな視点を提示する。