Early Classification of Time Series using SPRT and Normalizing Flow

플로우 기반 모델은 잠재 변수의 단순한 확률 분포에서 일련의 변환을 거쳐 실제 데이터의 복잡한 분포를 학습한다. 본 논문에서는 복잡한 확률분포를 가진 데이터의 조건부 확률 밀도를 플로우 기반 모델을 사용하여 추정하고 이를 순차 확률비 검정에 활용하는 방법을 제안한다. 제안된 방법은 시계열 데이터 조기 분류를 위한 순차 확률비 검정에 플로우 기반 모델을 적용할 수 있는 새로운 가능성을 제시한다.