基于结构化噪声空间 GAN 的类别条件时间序列生成
机器学习
2023-12-21 v1 机器学习
摘要
本文提出了结构化噪声空间 GAN (SNS-GAN)，这是一种专门针对图像和时间序列数据类别条件生成而设计的生成建模领域新方法。该方法解决了在不需对网络结构进行修改的情况下，将类别标签有效整合到生成模型中的挑战。SNS-GAN 方法将类别条件嵌入到生成器的噪声空间中，简化了训练过程并增强了模型的通用性。通过在图像领域的定性验证，以及与基线模型相比在时间序列生成中的优越性能，证明了该模型的有效性。本研究为 GAN 在各个领域的应用开辟了新途径，包括但不限于时间序列和图像数据生成。
引用
@article{arxiv.2312.12946,
title = {Class Conditional Time Series Generation with Structured Noise Space GAN},
author = {Hamidreza Gholamrezaei and Alireza Koochali and Andreas Dengel and Sheraz Ahmed},
journal= {arXiv preprint arXiv:2312.12946},
year = {2023}
}