time series generation | BriefGPT

关键词time series generation

搜索结果 - 7

SigDiffusions: 基于得分的扩散模型用于长期时间序列数据通过 Log-Signature 嵌入
SigDiffusion 是一种新颖的扩散模型，通过在数据的对数签名嵌入上逐步扰动和去噪，以保留其代数结构，从而生成高度逼真的时间序列。与现有基于谱或正交多项式基础上的逆变换公式相结合，SigDiffusion 在合成和真实世界的各种数据集
PDF20 days ago
基于 Transformer 的时间序列合成综述
在图像和语言领域，生成式人工智能已经引起了很大关注，使用转换器神经网络持续主导最新技术。然而，将这些模型应用于时间序列生成的研究尚不充分，而这对于机器学习、隐私保护和可解释性研究具有极大的实用价值。本综述通过识别转换器、生成式人工智能和时间
PDFa month ago
时间序列潜在扩散的后稳定性研究
我们分析了隐式扩散在时间序列应用中可能出现的后验坍塌问题，提出了依赖度量的概念，证明了扩散模型中的潜变量在这种情况下失去了对生成过程的控制，并对后验坍塌的原因进行了分析。基于这一分析，我们提出了一个新的框架，解决了这个问题并支持更具表达力的
PDFa month ago
走向可控时间序列生成
时间序列生成（TSG）是在许多应用中不可或缺的一种关键技术，本文提出了一种针对数据稀缺情况的可控时间序列生成（CTSG）问题，并介绍了具有出色性能的 CTSG 框架 CTS 及其在生成高质量可控输出方面的应用。
PDF4 months ago
时间编织者：一种条件时间序列生成模型
基于异构元数据的时序生成，Time Weaver 模型通过利用分类、连续和时变变量显著提高时序生成，并创新性地提出了适用于时序领域的评估指标，证明在真实世界的能源、医疗、空气质量和交通数据集上，在下游分类任务中性能优于生成对抗网络（GANs
PDF4 months ago
通过 Koopman VAEs 对规律和非规律时间序列数据的生成建模
基于 Koopman VAE 的新型生成框架，能够优化正常和不规则的时间序列数据，通过引入领域知识和动力系统理论工具，KVAE 在合成和真实时间序列生成基准测试中优于当前的 GAN 和 VAE 方法，并学习出更好地逼近实际分布的概率密度函数
PDF9 months ago
具有双向先验模型的矢量量化时间序列生成
提出了一种名为 TimeVQVAE 的新模型，它使用矢量量化技术解决时间序列生成（TSG）问题，通过在时频域中分离出低频和高频来保留时间序列的重要特征，并使用双向转换模型学习离散潜在空间的先验知识，使其具有更好的全局时间一致性和更好的质量。
PDFa year ago