exponentially-weighted-moving-average
지수 가중 이동평균
과거 관측치에 지수적으로 감소하는 가중치를 부여해 시계열의 추세를 추정하는 기법으로, 최근 데이터에 더 큰 영향을 주어 메모리 효과를 조절한다. 초기값으로 인한 편향이 발생할 수 있어 편향보정식(예: 분모에 1-β^t를 사용하는 방식)을 통해 보정하며, 이 원리는 모멘텀·적응적 학습률 등 딥러닝 옵티마이저의 내부 동작과 직결된다. β 값이 작을수록 빠르게 잊고 적응하며, 클수록 장기 기억이 유지된다.
