工业时间序列的 AIGC：从深度生成模型到大生成模型
机器学习
2025-02-18 v2 人工智能
摘要
随着生成模型如 ChatGPT 的卓越成功，人工智能生成内容 (AIGC) 正经历快速发展。不仅限于文本和图像，生成模型还能生成工业时间序列数据，解决数据收集和数据标注等难题。由于其卓越的生成能力，生成模型已被广泛应用于物联网、元宇宙和 cyber-physical-social 系统，以提升工业生产效率。本文我们综述了针对工业时间序列的生成模型，从深度生成模型 (DGM) 到大生成模型 (LGM)。首先，提出一种基于 DGM 的工业时间序列生成框架。在该框架中，我们对已进展的工业 DGM 进行调查并提出多视角分类。进一步，我们系统地分析了构建工业 LGM所需的关键技术，包括大规模工业数据集、适用于复杂工业特征的 LGM 架构、针对工业时间序列的自监督训练以及工业下游任务的微调。最后，我们总结了推动生成模型在工业领域发展的挑战和未来方向。
引用
@article{arxiv.2407.11480,
title = {AIGC for Industrial Time Series: From Deep Generative Models to Large Generative Models},
author = {Lei Ren and Haiteng Wang and Jinwang Li and Yang Tang and Chunhua Yang},
journal= {arXiv preprint arXiv:2407.11480},
year = {2025}
}
备注
18 pages, 7 figures.his work has been submitted to the IEEE for possible publication