Model Blueprint
Hybrid Transformer-GAN Architecture & Specifications
SYSTEM: ONLINE
앙상블 신경망 (5개 모델 가동 중)
실시간 추론 중
앙상블 상태 로딩 중...
내부 상태 모니터 (Internal State)
실시간 게이트 값
패턴 (CNN)
아키텍처 균형
추세 (Transf)
하이브리드: 0.50
라이브 아키텍처 뷰 (Live Architecture)
Rendered by Mermaid.js v10.9
%%{init: {'theme': 'dark', 'themeVariables': { 'primaryColor': '#1e3a8a',
'edgeLabelBackground':'#161b22', 'tertiaryColor': '#161b22', 'fontFamily': 'JetBrains Mono',
'fontSize': '16px', 'lineColor': '#475569'}}}%%
graph LR
subgraph Data [DATA INPUT]
Input[("Market Data
(B, 168, F)")] -->|정규화| Norm[StandardScaler] Norm -->|시간 임베딩| Emb[Temporal Embedding] Norm -->|차원 변경| Perm[Permute] end subgraph Global [GLOBAL PATH - Transformer] Emb --> MHSA["Multi-Head Attn
(8 Heads)"] MHSA --> AddNorm1(("Add & Norm")) AddNorm1 --> FFN[Feed Forward] FFN --> AddNorm2(("Add & Norm")) AddNorm2 -->|Context Vector| TransOut[Transformer Features] end subgraph Local [LOCAL PATH - 1D CNN] Perm --> TCN1[Conv1D] TCN1 --> TCN2[Conv1D] TCN2 --> TCN3[Conv1D] TCN3 --> Pool[Adaptive AvgPool] Pool -->|Project| CNNOut[CNN Features] end subgraph Fusion [EXPLAINABLE GATED FUSION] TransOut --> MatchTrans{Pattern Match} CNNOut --> MatchCNN{Pattern Match} Bank[("Prototype Bank
(N=16)")] -.-> MatchTrans Bank -.-> MatchCNN MatchTrans -->|유사도 점수| Gate MatchCNN -->|유사도 점수| Gate Gate((Gate
Sigmoid)) --> Mix[Weighted Sum] TransOut --> Mix CNNOut --> Mix end subgraph Gen [GAN GENERATOR] Noise(("Gaussian
Noise")) --> Concat{Concat} Mix --> Concat Concat --> LSTM[LSTM Decoder] LSTM --> Dense[Dense Layer] Dense --> Out[("Prediction")] end style Input fill:#1e293b,stroke:#94a3b8,color:#fff style Out fill:#064e3b,stroke:#34d399,color:#fff style MHSA fill:#1d4ed8,stroke:#60a5fa,color:#fff style TCN1 fill:#7e22ce,stroke:#d8b4fe,color:#fff style TCN2 fill:#7e22ce,stroke:#d8b4fe,color:#fff style TCN3 fill:#7e22ce,stroke:#d8b4fe,color:#fff style Bank fill:#b45309,stroke:#fbbf24,color:#fff style Gate fill:#991b1b,stroke:#f87171 style MHSA fill:#1d4ed8,stroke:#60a5fa,color:#fff style TCN1 fill:#7e22ce,stroke:#d8b4fe,color:#fff style TCN2 fill:#7e22ce,stroke:#d8b4fe,color:#fff style TCN3 fill:#7e22ce,stroke:#d8b4fe,color:#fff style Bank fill:#b45309,stroke:#fbbf24,color:#fff style Gate fill:#991b1b,stroke:#f87171
(B, 168, F)")] -->|정규화| Norm[StandardScaler] Norm -->|시간 임베딩| Emb[Temporal Embedding] Norm -->|차원 변경| Perm[Permute] end subgraph Global [GLOBAL PATH - Transformer] Emb --> MHSA["Multi-Head Attn
(8 Heads)"] MHSA --> AddNorm1(("Add & Norm")) AddNorm1 --> FFN[Feed Forward] FFN --> AddNorm2(("Add & Norm")) AddNorm2 -->|Context Vector| TransOut[Transformer Features] end subgraph Local [LOCAL PATH - 1D CNN] Perm --> TCN1[Conv1D] TCN1 --> TCN2[Conv1D] TCN2 --> TCN3[Conv1D] TCN3 --> Pool[Adaptive AvgPool] Pool -->|Project| CNNOut[CNN Features] end subgraph Fusion [EXPLAINABLE GATED FUSION] TransOut --> MatchTrans{Pattern Match} CNNOut --> MatchCNN{Pattern Match} Bank[("Prototype Bank
(N=16)")] -.-> MatchTrans Bank -.-> MatchCNN MatchTrans -->|유사도 점수| Gate MatchCNN -->|유사도 점수| Gate Gate((Gate
Sigmoid)) --> Mix[Weighted Sum] TransOut --> Mix CNNOut --> Mix end subgraph Gen [GAN GENERATOR] Noise(("Gaussian
Noise")) --> Concat{Concat} Mix --> Concat Concat --> LSTM[LSTM Decoder] LSTM --> Dense[Dense Layer] Dense --> Out[("Prediction")] end style Input fill:#1e293b,stroke:#94a3b8,color:#fff style Out fill:#064e3b,stroke:#34d399,color:#fff style MHSA fill:#1d4ed8,stroke:#60a5fa,color:#fff style TCN1 fill:#7e22ce,stroke:#d8b4fe,color:#fff style TCN2 fill:#7e22ce,stroke:#d8b4fe,color:#fff style TCN3 fill:#7e22ce,stroke:#d8b4fe,color:#fff style Bank fill:#b45309,stroke:#fbbf24,color:#fff style Gate fill:#991b1b,stroke:#f87171 style MHSA fill:#1d4ed8,stroke:#60a5fa,color:#fff style TCN1 fill:#7e22ce,stroke:#d8b4fe,color:#fff style TCN2 fill:#7e22ce,stroke:#d8b4fe,color:#fff style TCN3 fill:#7e22ce,stroke:#d8b4fe,color:#fff style Bank fill:#b45309,stroke:#fbbf24,color:#fff style Gate fill:#991b1b,stroke:#f87171
* v2.1.0 하이브리드 아키텍처의 실제 구조입니다. (Transformer + 1D CNN + Prototype Gating)
모델 구조 설정 (Structural Configuration)
시퀀스 길이 (Input)
168 시간 (1주일)
1주일치 데이터를 한 번에 입력받아, 주간 계절성과 장기적인 모멘텀 패턴을 빠짐없이 학습합니다.
트랜스포머 상세
8 Heads / 3 Layers
8개의 어텐션 헤드가 각각 거래량, 가격, 변동성 등 서로 다른 시장의 특징을 병렬적으로 분석합니다.
퓨전 로직 (Fusion)
프로토타입 게이팅
현재 상황을 과거의 '성공했던 패턴(Prototype)'과 대조하여, 추세와 패턴 중 더 신뢰할 수 있는 정보를 선택적으로 반영합니다.
하이퍼파라미터 및 최적화
학습률 (Learning Rate)
G: 1e-4 / D: 2e-4
TTUR 기법을 적용하여 판별자(Discriminator)가 더 빠르게 학습되도록 유도, 생성자가 더 정교한 예측을 하도록 돕습니다.
배치 처리 (Batch)
64 (Contextual)
시장 지수(Market Index)와 과거 유사도 데이터를 컨텍스트로 함께 주입하여 학습 효율을 극대화했습니다.
드롭아웃 (Dropout)
P=0.1 / Dim=32
약간의 노이즈와 드롭아웃을 적용하여, 특정 패턴에 과하게 의존하는 과적합(Overfitting)을 방지합니다.
LIVE API SPECIFICATION
"model_config": { "architecture": "Hybrid-Transformer-GAN", "version": "v2.1.0-stable", "components": { "encoder": "Multi-Head Self-Attention (MHSA)", "decoder": "LSTM-GAN Generator" } }, "deployment": { "precision": "float32", "device": "cuda:0", "inference_time": "~45ms" }