Jul, 2024

工业时间序列的AIGC：从深度生成模型到大规模生成模型

HTML
PDF
TL;DR研究生成模型在工业时间序列数据中的广泛应用和发展，提出了基于深度生成模型和大型生成模型的工业时间序列数据生成框架，并分析了构建大型生成模型所需的关键技术，包括大规模数据集、用于表征工业特征的模型结构、自监督训练以及工业下游任务的微调，最后总结了未来发展中面临的挑战和方向。
发现论文，激发创造
  • 时间序列领域中的数据增强技术: 调查和分类

    本文为了指导未来的研究者，系统地回顾了基于深度生成模型的时间序列数据生成算法，并提出了最相关的研究分类学，同时对算法的性能和评估进行了分析。

    Jun, 2022

  • 生成式人工智能全面调查（AIGC）：从GPT-4到GPT-5，聊天GPT是否就足够了？

    本文概述了生成式AI的技术基础和应用领域，重点关注了不同类型（文本、图像、视频和3D内容）的生成任务和它们在教育以及创意产业中的应用。文章进一步讨论了目前所面临的挑战和未来的发展方向，强调了ChatGPT及其未来的潜力。

    Mar, 2023

  • AI生成内容（AIGC）：一项调查

    本文深入讨论了基于人工智能技术生成内容的 AIGC，对其定义、关键条件、可重要的现有和未来特性、庞大的预训练模型带来的优势、工业链以及AIGC内部辅助生成和自动生成之间的区别进行了探讨，最后探讨了AIGC与元宇宙的潜在整合，旨在揭示AIGC的现有问题并提供未来应用方向。

    Mar, 2023

  • TSGM：一种灵活的生成式模型合成时间序列的框架

    本文介绍了 Time Series Generative Modeling（TSGM）框架，该框架利用生成模型、概率和模拟器等机器学习方法生成合成的时间序列数据，可以从相似度、预测一致性、多样性和隐私保护等方面评估数据质量。TSGM 不仅适用于开放数据集，而且在实际生产中也表现出巨大的潜力。同时，该项目允许用户使用命令行界面进行合成数据生成，这降低了编程背景较弱的用户的学习门槛。

    May, 2023

  • 工业系统生成的元生成框架

    本文提出了一个基于工业系统的使用案例，用于评估和比较不同广泛的 Deep Generative Models 框架，同时提出了一种能够生成控制潜在设计约束的多组分工业系统的 Meta-VAE 模型。

    Jun, 2023

  • Time-LLM：大型语言模型的时间序列预测

    利用大型语言模型进行时间序列预测的重新编程框架，通过在输入时间序列中加入文本原型，将两种模态对齐，进而获得强大的时间序列学习器Time-LLM，该学习器在少样本和零样本学习场景中表现出优越性能并超越了专业的预测模型。

    Oct, 2023

  • 大型语言模型用于时间序列的研究概述

    该综述论文详细探讨了利用大型语言模型进行时间序列分析的各种方法，包括直接提示、时间序列量化、对齐技术、利用视觉作为桥梁机制以及与其他工具的结合，同时提供了现有的多模态时间序列和文本数据集的综合概述，并分析了该新兴领域的挑战和未来机会。

    Feb, 2024

  • 通过深度生成技术重构零售供应链：分类、调查和洞见

    通过对现有的深度生成模型及其变体的分类和概述、对零售供应链中现有的深度生成模型应用的全面回顾以及对如何进一步利用深度生成模型解决零售供应链问题的见解和潜在方向的讨论，本论文旨在回答一个关键性问题：如何将深度生成模型应用于现代零售供应链领域。

    Feb, 2024

  • Diff-MTS: 基于时间增强的条件扩散工业时间序列的 AIGC，面向大模型时代

    提出了Diff-MTS，一种基于时间增强的条件自适应扩散模型，用于工业多变量时间序列（MTS）的生成。综合实验表明，与基于GAN的方法相比，Diff-MTS在多样性、保真度和实用性方面表现更好，促进了工业数据的生成和工业大模型的构建。

    Jul, 2024

  • 工业机器视觉中的生成式人工智能——综述

    本研究针对生成式人工智能在工业机器视觉中的应用现状和发展趋势进行了全面的文献综述，识别出该领域在数据多样性和验证方法上的挑战。通过分析1200多篇相关文献，研究揭示生成式人工智能在数据增强、图像分类和物体检测等任务中的主要应用，旨在为未来的研究提供启示和机会。

    Aug, 2024