面向准周期性时间序列的approximately Equivariant循环生成模型及渐进式训练方案
机器学习
2026-04-10 v2
摘要
我们提出了一种简单且有效的用于时间序列的生成模型，基于我们称为AEQ-RVAE-ST的循环变分自编码器。循环层在建模长序列时常面临优化不稳定和收敛差的问题。为此，我们引入一种训练方案，通过逐步增加序列长度来稳定优化，使模型能够在更长的时序范围内持续学习。通过将已知组件组合成循环的、约等于时间平移等变拓扑结构，本模型引入一种归纳偏置，使其与准周期性和接近平稳时间序列的结构相吻合。在多个基准数据集上，AEQ-RVAE-ST与最先进的生成模型相当，甚至在准周期数据上表现更佳，同时在更不规则的信号上也保持竞争力。通过ELBO、Fréchet距离、判别性指标以及对学习到的潜在嵌入进行可视化来评估性能。
引用
@article{arxiv.2505.05020,
title = {Approximately Equivariant Recurrent Generative Models for Quasi-Periodic Time Series with a Progressive Training Scheme},
author = {Ruwen Fulek and Markus Lange-Hegermann},
journal= {arXiv preprint arXiv:2505.05020},
year = {2026}
}